MLOps - Kernkonzepte im Überblick:
Viele Machine-Learning-Modelle, die in Unternehmen entwickelt werden, schaffen es aufgrund von organisatorischen und technischen Hürden nicht in den produktiven Betrieb. Dieses Buch zeigt Ihnen, wie Sie erprobte MLOps-Strategien einsetzen, um eine erfolgreiche DevOps-Umgebung für Ihre ML-Modelle auf...
Gespeichert in:
| Beteiligte Personen: | , , , , |
|---|---|
| Körperschaft: | |
| Format: | Elektronisch E-Book |
| Sprache: | Englisch Deutsch |
| Veröffentlicht: |
[Erscheinungsort nicht ermittelbar]
dpunkt
2021
|
| Ausgabe: | 1st edition. |
| Schlagwörter: | |
| Links: | https://learning.oreilly.com/library/view/-/9781098129651/?ar |
| Zusammenfassung: | Viele Machine-Learning-Modelle, die in Unternehmen entwickelt werden, schaffen es aufgrund von organisatorischen und technischen Hürden nicht in den produktiven Betrieb. Dieses Buch zeigt Ihnen, wie Sie erprobte MLOps-Strategien einsetzen, um eine erfolgreiche DevOps-Umgebung für Ihre ML-Modelle aufzubauen, sie kontinuierlich zu verbessern und langfristig zu warten. Das Buch erläutert MLOps-Schlüsselkonzepte, mit denen Data Scientists und Data Engineers ihre ML-Pipelines und -Workflows optimieren können. Anhand von Fallbeispielen, die auf zahlreichen MLOps-Anwendungen auf der ganzen Welt basieren, geben neun ML-Experten wertvolle Einblicke in die fünf Schritte des Modelllebenszyklus - Build, Preproduction, Deployment,Monitoring und Governance. Sie erfahren auf diese Weise, wie robuste MLOps-Prozesse umfassend in den ML-Produktlworkflow integriert werden können. |
| Beschreibung: | Online resource; Title from title page (viewed August 1, 2021) |
| Umfang: | 1 Online-Ressource (204 Seiten) |
Internformat
MARC
| LEADER | 00000cam a22000002c 4500 | ||
|---|---|---|---|
| 001 | ZDB-30-ORH-068276826 | ||
| 003 | DE-627-1 | ||
| 005 | 20240228121432.0 | ||
| 007 | cr uuu---uuuuu | ||
| 008 | 210914s2021 xx |||||o 00| ||eng c | ||
| 035 | |a (DE-627-1)068276826 | ||
| 035 | |a (DE-599)KEP068276826 | ||
| 035 | |a (ORHE)9781098129651 | ||
| 035 | |a (DE-627-1)068276826 | ||
| 040 | |a DE-627 |b ger |c DE-627 |e rda | ||
| 041 | |a eng |a ger | ||
| 082 | 0 | |a 006.3/1 |2 23/eng/20230216 | |
| 100 | 1 | |a Treveil, Mark |e VerfasserIn |4 aut | |
| 245 | 1 | 0 | |a MLOps - Kernkonzepte im Überblick |c Treveil, Mark |
| 250 | |a 1st edition. | ||
| 264 | 1 | |a [Erscheinungsort nicht ermittelbar] |b dpunkt |c 2021 | |
| 300 | |a 1 Online-Ressource (204 Seiten) | ||
| 336 | |a Text |b txt |2 rdacontent | ||
| 337 | |a Computermedien |b c |2 rdamedia | ||
| 338 | |a Online-Ressource |b cr |2 rdacarrier | ||
| 500 | |a Online resource; Title from title page (viewed August 1, 2021) | ||
| 520 | |a Viele Machine-Learning-Modelle, die in Unternehmen entwickelt werden, schaffen es aufgrund von organisatorischen und technischen Hürden nicht in den produktiven Betrieb. Dieses Buch zeigt Ihnen, wie Sie erprobte MLOps-Strategien einsetzen, um eine erfolgreiche DevOps-Umgebung für Ihre ML-Modelle aufzubauen, sie kontinuierlich zu verbessern und langfristig zu warten. Das Buch erläutert MLOps-Schlüsselkonzepte, mit denen Data Scientists und Data Engineers ihre ML-Pipelines und -Workflows optimieren können. Anhand von Fallbeispielen, die auf zahlreichen MLOps-Anwendungen auf der ganzen Welt basieren, geben neun ML-Experten wertvolle Einblicke in die fünf Schritte des Modelllebenszyklus - Build, Preproduction, Deployment,Monitoring und Governance. Sie erfahren auf diese Weise, wie robuste MLOps-Prozesse umfassend in den ML-Produktlworkflow integriert werden können. | ||
| 650 | 4 | |a Electronic books ; local | |
| 700 | 1 | |a Stenac, Clément |e VerfasserIn |4 aut | |
| 700 | 1 | |a Omont, Nicolas |e VerfasserIn |4 aut | |
| 700 | 1 | |a Lefèvre, Kenji |e VerfasserIn |4 aut | |
| 700 | 1 | |a Phan, Du |e VerfasserIn |4 aut | |
| 710 | 2 | |a Safari, an O'Reilly Media Company. |e MitwirkendeR |4 ctb | |
| 966 | 4 | 0 | |l DE-91 |p ZDB-30-ORH |q TUM_PDA_ORH |u https://learning.oreilly.com/library/view/-/9781098129651/?ar |m X:ORHE |x Aggregator |z lizenzpflichtig |3 Volltext |
| 912 | |a ZDB-30-ORH | ||
| 912 | |a ZDB-30-ORH | ||
| 951 | |a BO | ||
| 912 | |a ZDB-30-ORH | ||
| 049 | |a DE-91 | ||
Datensatz im Suchindex
| DE-BY-TUM_katkey | ZDB-30-ORH-068276826 |
|---|---|
| _version_ | 1831287048912240641 |
| adam_text | |
| any_adam_object | |
| author | Treveil, Mark Stenac, Clément Omont, Nicolas Lefèvre, Kenji Phan, Du |
| author_corporate | Safari, an O'Reilly Media Company |
| author_corporate_role | ctb |
| author_facet | Treveil, Mark Stenac, Clément Omont, Nicolas Lefèvre, Kenji Phan, Du Safari, an O'Reilly Media Company |
| author_role | aut aut aut aut aut |
| author_sort | Treveil, Mark |
| author_variant | m t mt c s cs n o no k l kl d p dp |
| building | Verbundindex |
| bvnumber | localTUM |
| collection | ZDB-30-ORH |
| ctrlnum | (DE-627-1)068276826 (DE-599)KEP068276826 (ORHE)9781098129651 |
| dewey-full | 006.3/1 |
| dewey-hundreds | 000 - Computer science, information, general works |
| dewey-ones | 006 - Special computer methods |
| dewey-raw | 006.3/1 |
| dewey-search | 006.3/1 |
| dewey-sort | 16.3 11 |
| dewey-tens | 000 - Computer science, information, general works |
| discipline | Informatik |
| edition | 1st edition. |
| format | Electronic eBook |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>02296cam a22004092c 4500</leader><controlfield tag="001">ZDB-30-ORH-068276826</controlfield><controlfield tag="003">DE-627-1</controlfield><controlfield tag="005">20240228121432.0</controlfield><controlfield tag="007">cr uuu---uuuuu</controlfield><controlfield tag="008">210914s2021 xx |||||o 00| ||eng c</controlfield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-627-1)068276826</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)KEP068276826</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(ORHE)9781098129651</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-627-1)068276826</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-627</subfield><subfield code="b">ger</subfield><subfield code="c">DE-627</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1=" " ind2=" "><subfield code="a">eng</subfield><subfield code="a">ger</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">006.3/1</subfield><subfield code="2">23/eng/20230216</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Treveil, Mark</subfield><subfield code="e">VerfasserIn</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">MLOps - Kernkonzepte im Überblick</subfield><subfield code="c">Treveil, Mark</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">1st edition.</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">[Erscheinungsort nicht ermittelbar]</subfield><subfield code="b">dpunkt</subfield><subfield code="c">2021</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">1 Online-Ressource (204 Seiten)</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="a">Text</subfield><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="a">Computermedien</subfield><subfield code="b">c</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="a">Online-Ressource</subfield><subfield code="b">cr</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">Online resource; Title from title page (viewed August 1, 2021)</subfield></datafield><datafield tag="520" ind1=" " ind2=" "><subfield code="a">Viele Machine-Learning-Modelle, die in Unternehmen entwickelt werden, schaffen es aufgrund von organisatorischen und technischen Hürden nicht in den produktiven Betrieb. Dieses Buch zeigt Ihnen, wie Sie erprobte MLOps-Strategien einsetzen, um eine erfolgreiche DevOps-Umgebung für Ihre ML-Modelle aufzubauen, sie kontinuierlich zu verbessern und langfristig zu warten. Das Buch erläutert MLOps-Schlüsselkonzepte, mit denen Data Scientists und Data Engineers ihre ML-Pipelines und -Workflows optimieren können. Anhand von Fallbeispielen, die auf zahlreichen MLOps-Anwendungen auf der ganzen Welt basieren, geben neun ML-Experten wertvolle Einblicke in die fünf Schritte des Modelllebenszyklus - Build, Preproduction, Deployment,Monitoring und Governance. Sie erfahren auf diese Weise, wie robuste MLOps-Prozesse umfassend in den ML-Produktlworkflow integriert werden können.</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Electronic books ; local</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Stenac, Clément</subfield><subfield code="e">VerfasserIn</subfield><subfield code="4">aut</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Omont, Nicolas</subfield><subfield code="e">VerfasserIn</subfield><subfield code="4">aut</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Lefèvre, Kenji</subfield><subfield code="e">VerfasserIn</subfield><subfield code="4">aut</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Phan, Du</subfield><subfield code="e">VerfasserIn</subfield><subfield code="4">aut</subfield></datafield><datafield tag="710" ind1="2" ind2=" "><subfield code="a">Safari, an O'Reilly Media Company.</subfield><subfield code="e">MitwirkendeR</subfield><subfield code="4">ctb</subfield></datafield><datafield tag="966" ind1="4" ind2="0"><subfield code="l">DE-91</subfield><subfield code="p">ZDB-30-ORH</subfield><subfield code="q">TUM_PDA_ORH</subfield><subfield code="u">https://learning.oreilly.com/library/view/-/9781098129651/?ar</subfield><subfield code="m">X:ORHE</subfield><subfield code="x">Aggregator</subfield><subfield code="z">lizenzpflichtig</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ZDB-30-ORH</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ZDB-30-ORH</subfield></datafield><datafield tag="951" ind1=" " ind2=" "><subfield code="a">BO</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ZDB-30-ORH</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-91</subfield></datafield></record></collection> |
| id | ZDB-30-ORH-068276826 |
| illustrated | Not Illustrated |
| indexdate | 2025-05-05T13:23:44Z |
| institution | BVB |
| language | English German |
| open_access_boolean | |
| owner | DE-91 DE-BY-TUM |
| owner_facet | DE-91 DE-BY-TUM |
| physical | 1 Online-Ressource (204 Seiten) |
| psigel | ZDB-30-ORH TUM_PDA_ORH ZDB-30-ORH |
| publishDate | 2021 |
| publishDateSearch | 2021 |
| publishDateSort | 2021 |
| publisher | dpunkt |
| record_format | marc |
| spelling | Treveil, Mark VerfasserIn aut MLOps - Kernkonzepte im Überblick Treveil, Mark 1st edition. [Erscheinungsort nicht ermittelbar] dpunkt 2021 1 Online-Ressource (204 Seiten) Text txt rdacontent Computermedien c rdamedia Online-Ressource cr rdacarrier Online resource; Title from title page (viewed August 1, 2021) Viele Machine-Learning-Modelle, die in Unternehmen entwickelt werden, schaffen es aufgrund von organisatorischen und technischen Hürden nicht in den produktiven Betrieb. Dieses Buch zeigt Ihnen, wie Sie erprobte MLOps-Strategien einsetzen, um eine erfolgreiche DevOps-Umgebung für Ihre ML-Modelle aufzubauen, sie kontinuierlich zu verbessern und langfristig zu warten. Das Buch erläutert MLOps-Schlüsselkonzepte, mit denen Data Scientists und Data Engineers ihre ML-Pipelines und -Workflows optimieren können. Anhand von Fallbeispielen, die auf zahlreichen MLOps-Anwendungen auf der ganzen Welt basieren, geben neun ML-Experten wertvolle Einblicke in die fünf Schritte des Modelllebenszyklus - Build, Preproduction, Deployment,Monitoring und Governance. Sie erfahren auf diese Weise, wie robuste MLOps-Prozesse umfassend in den ML-Produktlworkflow integriert werden können. Electronic books ; local Stenac, Clément VerfasserIn aut Omont, Nicolas VerfasserIn aut Lefèvre, Kenji VerfasserIn aut Phan, Du VerfasserIn aut Safari, an O'Reilly Media Company. MitwirkendeR ctb |
| spellingShingle | Treveil, Mark Stenac, Clément Omont, Nicolas Lefèvre, Kenji Phan, Du MLOps - Kernkonzepte im Überblick Electronic books ; local |
| title | MLOps - Kernkonzepte im Überblick |
| title_auth | MLOps - Kernkonzepte im Überblick |
| title_exact_search | MLOps - Kernkonzepte im Überblick |
| title_full | MLOps - Kernkonzepte im Überblick Treveil, Mark |
| title_fullStr | MLOps - Kernkonzepte im Überblick Treveil, Mark |
| title_full_unstemmed | MLOps - Kernkonzepte im Überblick Treveil, Mark |
| title_short | MLOps - Kernkonzepte im Überblick |
| title_sort | mlops kernkonzepte im uberblick |
| topic | Electronic books ; local |
| topic_facet | Electronic books ; local |
| work_keys_str_mv | AT treveilmark mlopskernkonzepteimuberblick AT stenacclement mlopskernkonzepteimuberblick AT omontnicolas mlopskernkonzepteimuberblick AT lefevrekenji mlopskernkonzepteimuberblick AT phandu mlopskernkonzepteimuberblick AT safarianoreillymediacompany mlopskernkonzepteimuberblick |