Design Patterns für Machine Learning

Name: Design Patterns für Machine Learning
Brand: Dpunkt.Verlag GmbH
SKU: 9783960091646
Price: 15075 HUF
Availability: InStock

Szerző: Sara Robinson, Michael Munn

Nyelv:

Kötés: Puha kötésű

Kiadó: Dpunkt.Verlag GmbH

Elérhetőség: Beszállítói készleten

Küldés 3-6 napon belül

15 075 Ft

Bewährte Praxislösungen für komplexe Machine-Learning-Aufgaben Behandelt alle Pha...

Információk a könyvről

Szerző

Sara Robinson, Michael Munn

Nyelv

Német

Kötés

Könyv - Puha kötésű

Kiadva

2021

oldal

430

EAN

9783960091646

ISBN

3960091648

Enbook ID

35728602

Kiadó

Dpunkt.Verlag GmbH

Súly

784

Méretek

163 x 238 x 25

Teljes leírás

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 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.Das 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.Erfahren Sie, wie Sie: Herausforderungen beim Trainieren, Bewerten und Deployen von ML-Modellen erkennen und überwinden Daten für verschiedene ML-Modelltypen mit Einbettungen, Feature Crosses und mehr darstellen den richtigen Modelltyp für bestimmte Fragestellungen auswählen eine robuste Trainingsschleife mit Checkpoints, Verteilungsstrategie und Hyperparameter-Tuning erstellen skalierbare ML-Systeme deployen, die bei erneutem Training aktuelle Daten berücksichtigen Modellvorhersagen für Stakeholder interpretieren Modellgenauigkeit, Reproduzierbarkeit, Resilienz und Fairness verbessern

Érdekelheti

Azok a vásárlók, akik ezt a könyvet megvásárolták, a következőket is megvásárolták

Leggyakrabban keresett

Categories

Authors

Publishers

Termékek

Termékek

Leggyakrabban keresett

Categories

Authors

Publishers

Termékek

Termékek

Design Patterns für Machine Learning

Információk a könyvről

Teljes leírás

Érdekelheti

Azok a vásárlók, akik ezt a könyvet megvásárolták, a következőket is megvásárolták