Design Patterns für Machine Learning (eBook)
432 Seiten
O'Reilly Verlag
978-3-96010-596-1 (ISBN)
- 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 Methoden und Lösungen für wiederkehrende Aufgaben beim Machine Learning. Die Autoren, drei Machine-Learning-Experten bei Google, beschreiben bewährte Herangehensweisen, um Data Scientists und Data Engineers bei der Lösung gängiger Probleme im gesamten ML-Prozess zu unterstützen. Die Patterns bündeln die Erfahrungen von Hunderten von Experten und bieten einfache, zugängliche Best Practices.
In diesem Buch finden Sie detaillierte Erläuterungen zu 30 Patterns für diese Themen: Daten- und Problemdarstellung, Operationalisierung, Wiederholbarkeit, Reproduzierbarkeit, Flexibilität, Erklärbarkeit und Fairness. Jedes Pattern enthält eine Beschreibung des Problems, eine Vielzahl möglicher Lösungen und Empfehlungen für die Auswahl der besten Technik für Ihre Situation.
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
Valliappa Lakshmanan ist Global Head für Datenanalyse und KI-Lösungen bei Google Cloud.
Michael Munn ist ML Solutions Engineer bei Google. Er unterstützt Kunden bei der Entwicklung, Implementierung und Bereitstellung von Machine-Learning-Modellen.
Sara Robinson ist Developer Advocate im Google-Cloud-Team, sie ist spezialisiert auf Machine Learning.
| Erscheint lt. Verlag | 10.11.2021 |
|---|---|
| Reihe/Serie | Animals |
| Übersetzer | Frank Langenau |
| Verlagsort | Heidelberg |
| Sprache | deutsch |
| Themenwelt | Mathematik / Informatik ► Informatik ► Programmiersprachen / -werkzeuge |
| Schlagworte | AI • Artificial Intelligence • Deep learning • DevOps • Entwurfsmuster • KI • Künstliche Intelligenz • Machine Learning Operations • Maschinelles Lernen • Neuronale Netze • Python • PyTorch • scikit-learn • Statistische Datenanalyse • tensorflow |
| ISBN-10 | 3-96010-596-7 / 3960105967 |
| ISBN-13 | 978-3-96010-596-1 / 9783960105961 |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)Größe: 17,6 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
