{"product_id":"machine-learning-design-patterns-best-practices-fur-datenaufbereitung-modellbildung-und-mlops-von-vallappa-lakshmanan-sara-robinson-michael-munn","title":"Design Patterns für Machine Learning","description":"\n                                Bewährte Praxislösungen für komplexe Machine-Learning-Aufgaben\n                \n                \n                \u003cul\u003e\n                                                            \n                    \n                    \u003cli\u003eBehandelt alle Phasen der ML-Produktpipeline\u003c\/li\u003e\n                                                            \n                    \n                    \u003cli\u003eKlar strukturierter Aufbau, der dafür sorgt, dass sich Konzepte und Zusammenhänge rasch erschließen\u003c\/li\u003e\n                                                            \n                    \n                    \u003cli\u003eFokus auf TensorFlow, aber auch übertragbar auf PyTorch-Projekte\u003c\/li\u003e\n                                                        \n                \n                \u003c\/ul\u003e\n                                                \n                \n                \u003cp\u003eDie Design Patterns in diesem Buch zeigen praxiserprobte Lösungen für wiederkehrende Aufgaben im Machine Learning. Die Autor:innen – ML-Experten bei Google – beschreiben Methoden, die Data Scientists helfen, typische Probleme im gesamten ML-Prozess zu bewältigen. Die Entwurfsmuster verdichten die Erfahrungen von Hunderten von Expert:innen zu klar strukturierten, zugänglichen Best Practices.\u003c\/p\u003e\n                                                \n                \n                \u003cp\u003eDas Buch bietet detaillierte Erläuterungen zu 30 Mustern für die Daten- und Problemdarstellung, Operationalisierung, Wiederholbarkeit, Reproduzierbarkeit, Flexibilität, Erklärbarkeit und Fairness. Zu jedem Muster erhalten Sie eine Beschreibung des Problems, eine Vielzahl möglicher Lösungen sowie Empfehlungen, welche Technik die beste für Ihre Problemstellung ist.\u003c\/p\u003e\n                                                \n                \n                \u003cp\u003eErfahren Sie, wie Sie:\u003c\/p\u003e\n                                                \n                \n                \u003cul\u003e\n                                                            \n                    \n                    \u003cli\u003eHerausforderungen beim Trainieren, Bewerten und Deployen von ML-Modellen erkennen und überwinden\u003c\/li\u003e\n                                                            \n                    \n                    \u003cli\u003eDaten für verschiedene ML-Modelltypen mit Einbettungen, Feature Crosses und mehr darstellen\u003c\/li\u003e\n                                                            \n                    \n                    \u003cli\u003eden richtigen Modelltyp für bestimmte Fragestellungen auswählen\u003c\/li\u003e\n                                                            \n                    \n                    \u003cli\u003eeine robuste Trainingsschleife mit Checkpoints, Verteilungsstrategie und Hyperparameter-Tuning erstellen\u003c\/li\u003e\n                                                            \n                    \n                    \u003cli\u003eskalierbare ML-Systeme deployen, die bei erneutem Training aktuelle Daten berücksichtigen\u003c\/li\u003e\n                                                            \n                    \n                    \u003cli\u003eModellvorhersagen für Stakeholder interpretieren\u003c\/li\u003e\n                                                            \n                    \n                    \u003cli\u003eModellgenauigkeit, Reproduzierbarkeit, Resilienz und Fairness verbessern\u003c\/li\u003e\n                                                        \n                \n                \u003c\/ul\u003e\n                            \n            \u003cdiv class=\"aw-variant-hidden-subtitle-div\" id=\"aw-variant-subtitle-9783960091646\"\u003e\u003ch3\u003eEntwurfsmuster für Datenaufbereitung, Modellbildung und MLOps – Best Practices für die gesamte ML-Pipeline\u003c\/h3\u003e\u003c\/div\u003e","brand":"Libri","offers":[{"title":"Softcover - 9783960091646","offer_id":39453709992029,"sku":"9783960091646","price":44.9,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0940\/0622\/files\/56f1d5ea-e8bc-4b8e-a0c3-3787d2a005f2.jpg?v=1781244499","url":"https:\/\/shop.autorenwelt.de\/en\/products\/machine-learning-design-patterns-best-practices-fur-datenaufbereitung-modellbildung-und-mlops-von-vallappa-lakshmanan-sara-robinson-michael-munn","provider":"Autorenwelt Shop","version":"1.0","type":"link"}