{"product_id":"mlops-kernkonzepte-im-uberblick-von-mark-treveil","title":"MLOps – Kernkonzepte im Überblick","description":"\n                                Erfolgreiche ML-Pipelines entwickeln und mit MLOps organisatorische Herausforderungen meistern\n                \n                \n                \u003cul\u003e\n                                                            \n                    \n                    \u003cli\u003eStellt DevOps-Konzepte vor, die die speziellen Anforderungen von ML-Anwendungen berücksichtigen\u003c\/li\u003e\n                                                            \n                    \n                    \u003cli\u003eUmfasst die Verwaltung, Bereitstellung, Skalierung und Überwachung von Machine-Learning-Modellen im Unternehmensumfeld\u003c\/li\u003e\n                                                            \n                    \n                    \u003cli\u003eFür Data Scientists und Data Engineers, die nach besseren Strategien für den produktiven Einsatz ihrer ML-Modelle suchen\u003c\/li\u003e\n                                                        \n                \n                \u003c\/ul\u003e\n                                                \n                \n                \u003cp\u003eMachine-Learning-Modelle zu entwickeln ist das eine, sie im Produktivbetrieb effizient einzusetzen, eine ebenfalls nicht zu unterschätzende Herausforderung – so die Erfahrung vieler Unternehmen. Dieses Buch zeigt Ihnen, wie Sie mithilfe durchdachter MLOps-Strategien eine stabile DevOps-Umgebung für Ihre ML-Anwendungen aufbauen, Ihre Modelle kontinuierlich verbessern und langfristig warten.\u003c\/p\u003e\n                                                \n                \n                \u003cp\u003eDas Buch erläutert MLOps-Schlüsselkonzepte, mit denen Data Scientists und Data Engineers ML-Pipelines und -Workflows optimieren können. Anhand von Fallbeispielen aus der ganzen Welt geben neun ML-Experten praxiserprobte Hilfestellungen zu den fünf Schritten des Modelllebenszyklus – Entwicklung, Preproduction, Deployment, Monitoring und Governance. Sie erfahren auf diese Weise, wie robuste MLOps-Prozesse umfassend in den ML-Produktworkflow integriert werden können.\u003c\/p\u003e\n                                                \n                \n                \u003cul\u003e\n                                                            \n                    \n                    \u003cli\u003eErschließen Sie den Wert Ihrer Data-Science-Anwendungen für Ihr Unternehmen vollständig, indem Sie Störfaktoren in ML-Pipelines und -Workflows ausräumen\u003c\/li\u003e\n                                                            \n                    \n                    \u003cli\u003eVerfeinern Sie Ihre ML-Modelle durch Retraining, regelmäßiges Tuning und grundlegende Überarbeitung, um eine dauerhaft hohe Qualität zu gewährleisten\u003c\/li\u003e\n                                                            \n                    \n                    \u003cli\u003eOrganisieren Sie den MLOps-Lebenszyklus so, dass Risiken, die in den Modellen stecken könnten, minimiert werden, damit die Ergebnisse unverzerrt, ausgewogen und nachvollziehbar sind\u003c\/li\u003e\n                                                            \n                    \n                    \u003cli\u003eOptimieren Sie ML-Modelle nicht nur für die eigene Deployment-Pipeline, sondern auch für externe Partner, deren Systeme komplexer und weniger standardisiert sind\u003c\/li\u003e\n                                                        \n                \n                \u003c\/ul\u003e\n                                                \n                \n                \u003cp\u003e»Wenn Sie auf der Suche nach Strategien sind, um die konkreten Prozesse der ML-Entwicklung zwischen den Teams zu verbessern, ist dieses Buch genau das Richtige für Sie.«\u003c\/p\u003e\n                                                \n                \n                \u003cp\u003e\n                                                            \n                    \n                    \u003cem\u003e— Adi Polak, Senior Software Engineer, Microsoft\u003c\/em\u003e\n                                                        \n                \n                \u003c\/p\u003e\n                            \n            \u003cdiv class=\"aw-variant-hidden-subtitle-div\" id=\"aw-variant-subtitle-9783960091721\"\u003e\u003ch3\u003eMachine-Learning-Prozesse im Unternehmen nachhaltig automatisieren und skalieren\u003c\/h3\u003e\u003c\/div\u003e","brand":"Libri","offers":[{"title":"Softcover - 9783960091721","offer_id":39463659503709,"sku":"9783960091721","price":34.9,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0940\/0622\/files\/7b08e6d8-e711-4d08-b492-acbc96a554da.jpg?v=1780983576","url":"https:\/\/shop.autorenwelt.de\/en\/products\/mlops-kernkonzepte-im-uberblick-von-mark-treveil","provider":"Autorenwelt Shop","version":"1.0","type":"link"}