Design Patterns für Machine Learning

Entwurfsmuster für Datenaufbereitung, Modellbildung und MLOps

Valliappa Lakshmanan Sara Robinson Michael Munn

Bisher keine Bewertungen
0.0

+ Merken

Lies mit dem Standard- oder Partner-Abo Unterhaltungs­literatur und alle Fachbücher aus unserem Katalog.

Beschreibung zu „Design Patterns für Machine Learning“

Bewährte Praxislösungen für komplexe Machine-Learning-Aufgaben

  • Behandelt alle Phasen der ML-Produktpipeline
  • Klar strukturierter Aufbau: Konzepte und Zusammenhänge erschließen sich dadurch schnell
  • Fokus auf TensorFlow, aber auch übertragbar auf PyTorch-Projekte

Die Design Patterns in diesem Buch zeigen praxiserprobte Methoden und Lösungen für wiederkehrende Aufgaben beim Machine Learning. Die Autoren, drei Machine-Learning-Experten bei Google, beschreiben bewährte Herangehensweisen, um Data Scientists und Data Engineers bei der Lösung gängiger Probleme im gesamten ML-Prozess zu unterstützen. Die Patterns bündeln die Erfahrungen von Hunderten von Experten und bieten einfache, zugängliche Best Practices.
In diesem Buch finden Sie detaillierte Erläuterungen zu 30 Patterns für diese Themen: Daten- und Problemdarstellung, Operationalisierung, Wiederholbarkeit, Reproduzierbarkeit, Flexibilität, Erklärbarkeit und Fairness. Jedes Pattern enthält eine Beschreibung des Problems, eine Vielzahl möglicher Lösungen und Empfehlungen für die Auswahl der besten Technik für Ihre Situation.


Verlag:

O'Reilly

Veröffentlicht:

2021

Druckseiten:

ca. 402

Sprache:

Deutsch

Medientyp:

eBook


Ähnliche Titel wie „Design Patterns für Machine Learning“

Lesen. Hören. Bücher erleben.

Jetzt kostenlos testen