Gespeichert in:
| Beteiligte Personen: | , |
|---|---|
| Weitere beteiligte Personen: | |
| Format: | Elektronisch E-Book |
| Sprache: | Deutsch |
| Veröffentlicht: |
Heidelberg
dpunkt
[2022]
|
| Ausgabe: | 1. Auflage. |
| Schlagwörter: | |
| Links: | https://learning.oreilly.com/library/view/-/9781098141080/?ar |
| Zusammenfassung: | Mit diesem Buch lernen Machine-Learning- und KI-Praktiker, wie sie erfolgreich Data-Science-Projekte mit Amazon Web Services erstellen und in den produktiven Einsatz bringen. Es bietet einen detaillierten Einblick in den KI- und Machine-Learning-Stack von Amazon, der Data Science, Data Engineering und Anwendungsentwicklung vereint. Chris Fregly und Antje Barth beschreiben verständlich und umfassend, wie Sie das breite Spektrum an AWS-Tools nutzbringend für Ihre ML-Projekte einsetzen. Der praxisorientierte Leitfaden zeigt Ihnen konkret, wie Sie ML-Pipelines in der Cloud erstellen und die Ergebnisse dann innerhalb von Minuten in Anwendungen integrieren. Sie erfahren, wie Sie alle Teilschritte eines Workflows zu einer wiederverwendbaren MLOps-Pipeline bündeln, und Sie lernen zahlreiche reale Use Cases zum Beispiel aus den Bereichen Natural Language Processing, Computer Vision oder Betrugserkennung kennen. Im gesamten Buch wird zudem erläutert, wie Sie Kosten senken und die Performance Ihrer Anwendungen optimieren können. |
| Beschreibung: | Includes bibliographical references and index |
| Umfang: | 1 online resource (550 pages) illustrations |
Internformat
MARC
| LEADER | 00000cam a22000002c 4500 | ||
|---|---|---|---|
| 001 | ZDB-30-ORH-078669405 | ||
| 003 | DE-627-1 | ||
| 005 | 20240228121645.0 | ||
| 007 | cr uuu---uuuuu | ||
| 008 | 220609s2022 xx |||||o 00| ||ger c | ||
| 035 | |a (DE-627-1)078669405 | ||
| 035 | |a (DE-599)KEP078669405 | ||
| 035 | |a (ORHE)9781098141080 | ||
| 035 | |a (DE-627-1)078669405 | ||
| 040 | |a DE-627 |b ger |c DE-627 |e rda | ||
| 041 | |a ger | ||
| 082 | 0 | |a 006.3/1 |2 23/eng/20220427 | |
| 100 | 1 | |a Fregly, Chris |e VerfasserIn |4 aut | |
| 240 | 1 | 0 | |a Data science on AWS |
| 245 | 1 | 0 | |a Data Science mit AWS |b end-to-end pipelines für continuous machine learning implementieren |c Chris Fregly & Antje Barth ; Deutsche Übersetzung von Marcus Fraaß |
| 250 | |a 1. Auflage. | ||
| 264 | 1 | |a Heidelberg |b dpunkt |c [2022] | |
| 300 | |a 1 online resource (550 pages) |b illustrations | ||
| 336 | |a Text |b txt |2 rdacontent | ||
| 337 | |a Computermedien |b c |2 rdamedia | ||
| 338 | |a Online-Ressource |b cr |2 rdacarrier | ||
| 500 | |a Includes bibliographical references and index | ||
| 520 | |a Mit diesem Buch lernen Machine-Learning- und KI-Praktiker, wie sie erfolgreich Data-Science-Projekte mit Amazon Web Services erstellen und in den produktiven Einsatz bringen. Es bietet einen detaillierten Einblick in den KI- und Machine-Learning-Stack von Amazon, der Data Science, Data Engineering und Anwendungsentwicklung vereint. Chris Fregly und Antje Barth beschreiben verständlich und umfassend, wie Sie das breite Spektrum an AWS-Tools nutzbringend für Ihre ML-Projekte einsetzen. Der praxisorientierte Leitfaden zeigt Ihnen konkret, wie Sie ML-Pipelines in der Cloud erstellen und die Ergebnisse dann innerhalb von Minuten in Anwendungen integrieren. Sie erfahren, wie Sie alle Teilschritte eines Workflows zu einer wiederverwendbaren MLOps-Pipeline bündeln, und Sie lernen zahlreiche reale Use Cases zum Beispiel aus den Bereichen Natural Language Processing, Computer Vision oder Betrugserkennung kennen. Im gesamten Buch wird zudem erläutert, wie Sie Kosten senken und die Performance Ihrer Anwendungen optimieren können. | ||
| 610 | 1 | 0 | |a Amazon Web Services (Firm) |
| 650 | 0 | |a Machine learning | |
| 650 | 0 | |a Cloud computing | |
| 650 | 0 | |a Web services | |
| 650 | 0 | |a Artificial intelligence | |
| 650 | 2 | |a Artificial Intelligence | |
| 650 | 2 | |a Machine Learning | |
| 650 | 4 | |a Amazon Web Services (Firm) | |
| 650 | 4 | |a Apprentissage automatique | |
| 650 | 4 | |a Infonuagique | |
| 650 | 4 | |a Services Web | |
| 650 | 4 | |a Intelligence artificielle | |
| 650 | 4 | |a artificial intelligence | |
| 650 | 4 | |a Artificial intelligence | |
| 650 | 4 | |a Cloud computing | |
| 650 | 4 | |a Machine learning | |
| 650 | 4 | |a Web services | |
| 700 | 1 | |a Barth, Antje |e VerfasserIn |4 aut | |
| 700 | 1 | |a Fraaß, Marcus |e ÜbersetzerIn |4 trl | |
| 966 | 4 | 0 | |l DE-91 |p ZDB-30-ORH |q TUM_PDA_ORH |u https://learning.oreilly.com/library/view/-/9781098141080/?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-078669405 |
|---|---|
| _version_ | 1833357028302520321 |
| adam_text | |
| any_adam_object | |
| author | Fregly, Chris Barth, Antje |
| author2 | Fraaß, Marcus |
| author2_role | trl |
| author2_variant | m f mf |
| author_facet | Fregly, Chris Barth, Antje Fraaß, Marcus |
| author_role | aut aut |
| author_sort | Fregly, Chris |
| author_variant | c f cf a b ab |
| building | Verbundindex |
| bvnumber | localTUM |
| collection | ZDB-30-ORH |
| ctrlnum | (DE-627-1)078669405 (DE-599)KEP078669405 (ORHE)9781098141080 |
| 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 | 1. Auflage. |
| format | Electronic eBook |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>02969cam a22005772c 4500</leader><controlfield tag="001">ZDB-30-ORH-078669405</controlfield><controlfield tag="003">DE-627-1</controlfield><controlfield tag="005">20240228121645.0</controlfield><controlfield tag="007">cr uuu---uuuuu</controlfield><controlfield tag="008">220609s2022 xx |||||o 00| ||ger c</controlfield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-627-1)078669405</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)KEP078669405</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(ORHE)9781098141080</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-627-1)078669405</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">ger</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">006.3/1</subfield><subfield code="2">23/eng/20220427</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Fregly, Chris</subfield><subfield code="e">VerfasserIn</subfield><subfield code="4">aut</subfield></datafield><datafield tag="240" ind1="1" ind2="0"><subfield code="a">Data science on AWS</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Data Science mit AWS</subfield><subfield code="b">end-to-end pipelines für continuous machine learning implementieren</subfield><subfield code="c">Chris Fregly & Antje Barth ; Deutsche Übersetzung von Marcus Fraaß</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">1. Auflage.</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Heidelberg</subfield><subfield code="b">dpunkt</subfield><subfield code="c">[2022]</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">1 online resource (550 pages)</subfield><subfield code="b">illustrations</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">Includes bibliographical references and index</subfield></datafield><datafield tag="520" ind1=" " ind2=" "><subfield code="a">Mit diesem Buch lernen Machine-Learning- und KI-Praktiker, wie sie erfolgreich Data-Science-Projekte mit Amazon Web Services erstellen und in den produktiven Einsatz bringen. Es bietet einen detaillierten Einblick in den KI- und Machine-Learning-Stack von Amazon, der Data Science, Data Engineering und Anwendungsentwicklung vereint. Chris Fregly und Antje Barth beschreiben verständlich und umfassend, wie Sie das breite Spektrum an AWS-Tools nutzbringend für Ihre ML-Projekte einsetzen. Der praxisorientierte Leitfaden zeigt Ihnen konkret, wie Sie ML-Pipelines in der Cloud erstellen und die Ergebnisse dann innerhalb von Minuten in Anwendungen integrieren. Sie erfahren, wie Sie alle Teilschritte eines Workflows zu einer wiederverwendbaren MLOps-Pipeline bündeln, und Sie lernen zahlreiche reale Use Cases zum Beispiel aus den Bereichen Natural Language Processing, Computer Vision oder Betrugserkennung kennen. Im gesamten Buch wird zudem erläutert, wie Sie Kosten senken und die Performance Ihrer Anwendungen optimieren können.</subfield></datafield><datafield tag="610" ind1="1" ind2="0"><subfield code="a">Amazon Web Services (Firm)</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Machine learning</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Cloud computing</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Web services</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Artificial intelligence</subfield></datafield><datafield tag="650" ind1=" " ind2="2"><subfield code="a">Artificial Intelligence</subfield></datafield><datafield tag="650" ind1=" " ind2="2"><subfield code="a">Machine Learning</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Amazon Web Services (Firm)</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Apprentissage automatique</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Infonuagique</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Services Web</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Intelligence artificielle</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">artificial intelligence</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Artificial intelligence</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Cloud computing</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Machine learning</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Web services</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Barth, Antje</subfield><subfield code="e">VerfasserIn</subfield><subfield code="4">aut</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Fraaß, Marcus</subfield><subfield code="e">ÜbersetzerIn</subfield><subfield code="4">trl</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/-/9781098141080/?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-078669405 |
| illustrated | Illustrated |
| indexdate | 2025-05-28T09:45:10Z |
| institution | BVB |
| language | German |
| open_access_boolean | |
| owner | DE-91 DE-BY-TUM |
| owner_facet | DE-91 DE-BY-TUM |
| physical | 1 online resource (550 pages) illustrations |
| psigel | ZDB-30-ORH TUM_PDA_ORH ZDB-30-ORH |
| publishDate | 2022 |
| publishDateSearch | 2022 |
| publishDateSort | 2022 |
| publisher | dpunkt |
| record_format | marc |
| spelling | Fregly, Chris VerfasserIn aut Data science on AWS Data Science mit AWS end-to-end pipelines für continuous machine learning implementieren Chris Fregly & Antje Barth ; Deutsche Übersetzung von Marcus Fraaß 1. Auflage. Heidelberg dpunkt [2022] 1 online resource (550 pages) illustrations Text txt rdacontent Computermedien c rdamedia Online-Ressource cr rdacarrier Includes bibliographical references and index Mit diesem Buch lernen Machine-Learning- und KI-Praktiker, wie sie erfolgreich Data-Science-Projekte mit Amazon Web Services erstellen und in den produktiven Einsatz bringen. Es bietet einen detaillierten Einblick in den KI- und Machine-Learning-Stack von Amazon, der Data Science, Data Engineering und Anwendungsentwicklung vereint. Chris Fregly und Antje Barth beschreiben verständlich und umfassend, wie Sie das breite Spektrum an AWS-Tools nutzbringend für Ihre ML-Projekte einsetzen. Der praxisorientierte Leitfaden zeigt Ihnen konkret, wie Sie ML-Pipelines in der Cloud erstellen und die Ergebnisse dann innerhalb von Minuten in Anwendungen integrieren. Sie erfahren, wie Sie alle Teilschritte eines Workflows zu einer wiederverwendbaren MLOps-Pipeline bündeln, und Sie lernen zahlreiche reale Use Cases zum Beispiel aus den Bereichen Natural Language Processing, Computer Vision oder Betrugserkennung kennen. Im gesamten Buch wird zudem erläutert, wie Sie Kosten senken und die Performance Ihrer Anwendungen optimieren können. Amazon Web Services (Firm) Machine learning Cloud computing Web services Artificial intelligence Artificial Intelligence Machine Learning Apprentissage automatique Infonuagique Services Web Intelligence artificielle artificial intelligence Barth, Antje VerfasserIn aut Fraaß, Marcus ÜbersetzerIn trl |
| spellingShingle | Fregly, Chris Barth, Antje Data Science mit AWS end-to-end pipelines für continuous machine learning implementieren Amazon Web Services (Firm) Machine learning Cloud computing Web services Artificial intelligence Artificial Intelligence Machine Learning Apprentissage automatique Infonuagique Services Web Intelligence artificielle artificial intelligence |
| title | Data Science mit AWS end-to-end pipelines für continuous machine learning implementieren |
| title_alt | Data science on AWS |
| title_auth | Data Science mit AWS end-to-end pipelines für continuous machine learning implementieren |
| title_exact_search | Data Science mit AWS end-to-end pipelines für continuous machine learning implementieren |
| title_full | Data Science mit AWS end-to-end pipelines für continuous machine learning implementieren Chris Fregly & Antje Barth ; Deutsche Übersetzung von Marcus Fraaß |
| title_fullStr | Data Science mit AWS end-to-end pipelines für continuous machine learning implementieren Chris Fregly & Antje Barth ; Deutsche Übersetzung von Marcus Fraaß |
| title_full_unstemmed | Data Science mit AWS end-to-end pipelines für continuous machine learning implementieren Chris Fregly & Antje Barth ; Deutsche Übersetzung von Marcus Fraaß |
| title_short | Data Science mit AWS |
| title_sort | data science mit aws end to end pipelines fur continuous machine learning implementieren |
| title_sub | end-to-end pipelines für continuous machine learning implementieren |
| topic | Amazon Web Services (Firm) Machine learning Cloud computing Web services Artificial intelligence Artificial Intelligence Machine Learning Apprentissage automatique Infonuagique Services Web Intelligence artificielle artificial intelligence |
| topic_facet | Amazon Web Services (Firm) Machine learning Cloud computing Web services Artificial intelligence Artificial Intelligence Machine Learning Apprentissage automatique Infonuagique Services Web Intelligence artificielle artificial intelligence |
| work_keys_str_mv | AT freglychris datascienceonaws AT barthantje datascienceonaws AT fraaßmarcus datascienceonaws AT freglychris datasciencemitawsendtoendpipelinesfurcontinuousmachinelearningimplementieren AT barthantje datasciencemitawsendtoendpipelinesfurcontinuousmachinelearningimplementieren AT fraaßmarcus datasciencemitawsendtoendpipelinesfurcontinuousmachinelearningimplementieren |