00000nam a2200000 a 4500 Lakshmanan, Valliappa aut Verfasser/-in Robinson, Sara aut Verfasser/-in Munn, Michael aut Verfasser/-in Maschinelles Lernen Entwurfsmuster AI Artificial Intelligence Deep Learning KI Künstliche Intelligenz Machine Learning Neuronale Netze Python Statistische Datenanalyse Machine Learning Operations TensorFlow PyTorch scikit-learn Softcover / Informatik EDV/Programmiersprachen DevOps Design Patterns für Machine Learning Entwurfsmuster für Datenaufbereitung, Modellbildung und MLOps Valliappa Lakshmanan, Sara Robinson & Michael Munn ; deutsche Übersetzung von Frank Langenau Heidelberg O'Reilly 2022 1. Auflage Angaben aus der Verlagsmeldung Machine Learning Design Patterns : Best Practices für Datenaufbereitung, Modellbildung und MLOps / von Vallappa Lakshmanan, Sara Robinson, Michael Munn Bewährte Praxislösungen für komplexe Machine-Learning-Aufgaben Behandelt alle Phasen der ML-Produktpipeline Klar strukturierter Aufbau, der dafür sorgt, dass sich Konzepte und Zusammenhänge rasch erschließen 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. 9783960091646 9783960091646 3960091648 3960091648 ger 430 Seiten