Design Patterns fÞr Machine Learning: Entwurfsmuster fÞr Datenaufbereitung, Modellbildung und MLOps
āŠ āŠ-āŠŠāŦāŠļāŦāŠĪāŠ āŠĩāŠŋāŠķāŦ
- Behandelt alle Phasen der ML-Produktpipeline
- Klar strukturierter Aufbau: Konzepte und ZusammenhÃĪnge erschlieÃen sich dadurch schnell
- Fokus auf TensorFlow, aber auch Þbertragbar auf PyTorch-Projekte
Die Design Patterns in diesem Buch zeigen praxiserprobte Methoden und LÃķsungen fÞr wiederkehrende Aufgaben beim Machine Learning. Die Autoren, drei Machine-Learning-Experten bei Google, beschreiben bewÃĪhrte Herangehensweisen, um Data Scientists und Data Engineers bei der LÃķsung gÃĪngiger Probleme im gesamten ML-Prozess zu unterstÞtzen. Die Patterns bÞndeln die Erfahrungen von Hunderten von Experten und bieten einfache, zugÃĪngliche Best Practices.
In diesem Buch finden Sie detaillierte ErlÃĪuterungen zu 30 Patterns fÞr diese Themen: Daten- und Problemdarstellung, Operationalisierung, Wiederholbarkeit, Reproduzierbarkeit, FlexibilitÃĪt, ErklÃĪrbarkeit und Fairness. Jedes Pattern enthÃĪlt eine Beschreibung des Problems, eine Vielzahl mÃķglicher LÃķsungen und Empfehlungen fÞr die Auswahl der besten Technik fÞr Ihre Situation.
