Produktinformationen "MLOps - Kernkonzepte im Überblick"
ERFOLGREICHE ML-PIPELINES ENTWICKELN UND MIT MLOPS ORGANISATORISCHE
HERAUSFORDERUNGEN MEISTERN
* Stellt DevOps-Konzepte vor, die die speziellen Anforderungen von
ML-Anwendungen berücksichtigen
* Umfasst die Verwaltung, Bereitstellung, Skalierung und Überwachung von
ML-Modellen im Unternehmensumfeld
* Für Data Scientists und Data Engineers, die nach besseren Strategien für den
produktiven Einsatz ihrer ML-Modelle suchen
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-Produktworkflow integriert werden können.