Design Patterns für Machine Learning: Entwurfsmuster für Datenaufbereitung, Modellbildung und MLOps
Gespeichert in:
| Hauptverfasser: | , , |
|---|---|
| Weitere Verfasser: | |
| Format: | Buch |
| Sprache: | German English |
| Veröffentlicht: |
Heidelberg
O'Reilly
2022
|
| Ausgabe: | 1. Auflage |
| Schlagworte: | |
| Online-Zugang: | Inhaltsverzeichnis |
| Beschreibung: | auf dem Umschlag: "Best Practices für die gesamte ML-Pipeline" |
| Beschreibung: | 430 Seiten Illustrationen, Diagramme 24 cm x 16.5 cm |
| ISBN: | 9783960091646 |
Internformat
MARC
| LEADER | 00000nam a2200000 c 4500 | ||
|---|---|---|---|
| 001 | BV047335931 | ||
| 003 | DE-604 | ||
| 005 | 20221221 | ||
| 007 | t | ||
| 008 | 210617s2022 gw a||| |||| 00||| ger d | ||
| 015 | |a 21,N18 |2 dnb | ||
| 016 | 7 | |a 1232518727 |2 DE-101 | |
| 020 | |a 9783960091646 |c : circa EUR 44.90 (DE), circa EUR 46.20 (AT) |9 978-3-96009-164-6 | ||
| 024 | 3 | |a 9783960091646 | |
| 035 | |a (OCoLC)1286855443 | ||
| 035 | |a (DE-599)DNB1232518727 | ||
| 040 | |a DE-604 |b ger |e rda | ||
| 041 | 1 | |a ger |h eng | |
| 044 | |a gw |c XA-DE-BW | ||
| 049 | |a DE-1102 |a DE-706 |a DE-860 |a DE-355 |a DE-Aug4 |a DE-11 |a DE-1043 |a DE-B768 |a DE-739 |a DE-573 |a DE-858 |a DE-859 |a DE-703 |a DE-83 |a DE-1049 | ||
| 084 | |a ST 300 |0 (DE-625)143650: |2 rvk | ||
| 084 | |a ST 302 |0 (DE-625)143652: |2 rvk | ||
| 084 | |a 004 |2 23sdnb | ||
| 100 | 1 | |a Lakshmanan, Valliappa |e Verfasser |0 (DE-588)1222923750 |4 aut | |
| 240 | 1 | 0 | |a Machine learning design patterns |
| 245 | 1 | 0 | |a Design Patterns für Machine Learning |b Entwurfsmuster für Datenaufbereitung, Modellbildung und MLOps |c Valliappa Lakshmanan, Sara Robinson & Michael Munn ; deusche Übersetzung von Frank Langenau |
| 250 | |a 1. Auflage | ||
| 264 | 1 | |a Heidelberg |b O'Reilly |c 2022 | |
| 300 | |a 430 Seiten |b Illustrationen, Diagramme |c 24 cm x 16.5 cm | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 500 | |a auf dem Umschlag: "Best Practices für die gesamte ML-Pipeline" | ||
| 650 | 0 | 7 | |a Maschinelles Lernen |0 (DE-588)4193754-5 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Entwurfsmuster |0 (DE-588)4546895-3 |2 gnd |9 rswk-swf |
| 653 | |a AI | ||
| 653 | |a Artificial Intelligence | ||
| 653 | |a Deep Learning | ||
| 653 | |a KI | ||
| 653 | |a Künstliche Intelligenz | ||
| 653 | |a Machine Learning | ||
| 653 | |a Neuronale Netze | ||
| 653 | |a Python | ||
| 653 | |a Statistische Datenanalyse | ||
| 653 | |a Machine Learning Operations | ||
| 653 | |a TensorFlow | ||
| 653 | |a PyTorch | ||
| 653 | |a scikit-learn | ||
| 689 | 0 | 0 | |a Maschinelles Lernen |0 (DE-588)4193754-5 |D s |
| 689 | 0 | 1 | |a Entwurfsmuster |0 (DE-588)4546895-3 |D s |
| 689 | 0 | |5 DE-604 | |
| 700 | 1 | |a Robinson, Sara |e Verfasser |0 (DE-588)1222923904 |4 aut | |
| 700 | 1 | |a Munn, Michael |e Verfasser |0 (DE-588)122292398X |4 aut | |
| 700 | 1 | |a Langenau, Frank |0 (DE-588)123178002 |4 trl | |
| 776 | 0 | 8 | |i Erscheint auch als |n Online-Ausgabe, PDF |z 978-3-96010-596-1 |
| 776 | 0 | 8 | |i Erscheint auch als |n Online-Ausgabe, EPUB |z 978-3-96010-597-8 |
| 776 | 0 | 8 | |i Erscheint auch als |n Online-Ausgabe, MOBI |z 978-3-96010-598-5 |
| 856 | 4 | 2 | |m Digitalisierung UB Passau - ADAM Catalogue Enrichment |q application/pdf |u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=032738453&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |3 Inhaltsverzeichnis |
| 999 | |a oai:aleph.bib-bvb.de:BVB01-032738453 | ||
Datensatz im Suchindex
| _version_ | 1804182549049638912 |
|---|---|
| adam_text | Inhalt Vorwort........................................................................................... 11 1 Der Bedarfan Entwurfsmustern für maschinelles Lernen........................ 17 Was sind Entwurfsmuster?....................................................................... Wie Sie dieses Buch verwenden................................................................. Terminologie für maschinelles Lernen.................................................... Modelle und Frameworks................................................................... Daten und Feature Engineering........................................................ Der Prozess des maschinellen Lernens.............................................. Tools für Daten und Modelle............................................................. Rollen................................................................................................... Allgemeine Flerausforderungen beim maschinellen Lernen................... Datenqualität...................................................................................... Reproduzierbarkeit............................................................................. Datendrift............................................................................................ Skalieren.............................................................................................. Mehrere Ziele......................................................................................
Zusammenfassung...................................................................................... 17 19 19 20 22 24 25 26 28 28 31 32 33 34 35 Entwurfsmuster für die Datendarstellung........................................... 37 Einfache Datendarstellungen..................................................................... Numerische Eingaben......................................................................... Kategoriale Eingaben......................................................................... Entwurfsmuster 1: Hashed Feature........................................................... Problem................................................................................................. Lösung................................................................................................. Warum es funktioniert....................................................................... Kompromisse und Alternativen......................................................... 40 40 47 50 51 52 53 54 2
Entwurfsmuster 2: Einbettungen........................................................... Problem........................................................................................... Lösung............................................................................................. Warum es funktioniert..................................................................... Kompromisse und Alternativen....................................................... Entwurfsmuster 3: Feature Cross........................................................... Problem........................................................................................... Lösung............................................................................................. Warum es funktioniert..................................................................... Kompromisse und Alternativen....................................................... Entwurfsmuster 4: Multimodale Eingabe.............................................. Problem........................................................................................... Lösung............................................................................................. Kompromisse und Alternativen....................................................... Zusammenfassung................................................................................. 3 6 Entwurfsmuster zur Problemdarstellung........................................... Entwurfsmuster 5: Refraining.................................................................
Problem.............................................................................................. Lösung................................................................................................ Warum es funktioniert........................................................................ Kompromisse und Alternativen....................................................... Entwurfsmuster 6: Multilabel................................................................. Problem.............................................................................................. Lösung................................................................................................ Kompromisse und Alternativen....................................................... Entwurfsmuster 7: Ensemble................................................................. Problem.............................................................................................. Lösung................................................................................................ Warum es funktioniert........................................................................ Kompromisse und Alternativen....................................................... Entwurfsmuster 8: Kaskade................................................................... Problem.............................................................................................. Lösung................................................................................................ Kompromisse und
Alternativen....................................................... Entwurfsmuster 9: Neutrale Klasse......................................................... Problem.............................................................................................. Lösung................................................................................................ Warum es funktioniert........................................................................ Kompromisse und Alternativen.......................................................... Entwurfsmuster 10: Rebalancing.............................................................. Problem.............................................................................................. I Inhalt 58 58 60 65 68 72 72 73 77 79 82 82 84 85 98 99 100 100 100 102 105 110 111 112 113 120 120 121 125 128 130 130 132 136 139 139 139 140 142 144 145
4 5 Lösung............................................................................................. Kompromisse und Alternadven...................................................... Zusammenfassung................................................................................... 146 152 161 Entwurfsmuster für das Modelltraming......................................................... 163 Typische Trainingsschleife..................................................................... Stochastischer Gradientenabstieg.................................................... Keras-T rainingsschleife..................................................................... Training-Entwurfsmuster................................................ Entwurfsmuster 11: Nützliche Überanpassung...................................... Problem............................................................................................. Lösung............................................................................................. Warum es funktioniert..................................................................... Kompromisse und Alternativen...................................................... Entwurfsmuster 12: Checkpoints........................................................... Problem............................................................................................. Lösung............................................................................................. Warum es funktioniert..................................................................... Kompromisse und
Alternativen...................................................... Entwurfsmuster 13: Transfer Learning.................................................. Problem............................................................................................. Lösung............................................................................................. Warum es funktioniert..................................................................... Kompromisse und Alternativen...................................................... Entwurfsmuster 14: Verteilungsstrategie................................................ Problem............................................................................................. Lösung............................................................................................. Warum es funktioniert.................................................................... Kompromisse und Alternativen...................................................... Entwurfsmuster 15: Hyperparameter-Abstimmung.............................. Problem............................................................................................. Lösung............................................................................................. Warum es funktioniert..................................................................... Kompromisse und Alternativen...................................................... Zusammenfassung................................................................................... 163 163 164 165 165 165 167 168 169 174 175 175 177 179 186
186 188 195 197 200 200 201 206 208 212 212 215 217 220 224 Entwurfsmuster für robustes Serving........................................................... 225 Entwurfsmuster 16: Zustandslose Serving-Funktion.............................. Problem............................................................................................. Lösung............................................................................................. Warum es funktioniert..................................................................... Kompromisse und Alternativen...................................................... 225 227 229 231 233 Inhalt ļ 7
6 8 I Entwurfsmuster 17: Batch-Serving......................................................... Problem........................................................................................... Lösung............................................................................................. Warum es funktioniert..................................................................... Kompromisse und Alternativen....................................................... Entwurfsmuster 18: Kontinuierliche Modellbewertung........................ Problem........................................................................................... Lösung............................................................................................. Warum es funktioniert..................................................................... Kompromisse und Alternativen....................................................... Entwurfsmuster 19: Zweiphasen-Vorhersagen....................................... Problem........................................................................................... Lösung............................................................................................. Kompromisse und Alternativen....................................................... Entwurfsmuster 20: Keyed Predictions................................................... Problem........................................................................................... Lösung............................................................................................. Kompromisse und
Alternativen....................................................... Zusammenfassung................................................................................. 238 238 239 240 242 245 245 246 252 253 258 258 260 267 270 270 271 273 274 Entwurfsmuster für Reproduzierbarkeit............................................. Entwurfsmuster 21: Transformation..................................................... Problem........................................................................................... Lösung............................................................................................. Kompromisse und Alternativen....................................................... Entwurfsmuster 22: Wiederholbare Aufteilung.................................... Problem........................................................................................... Lösung............................................................................................. Kompromisse und Alternativen....................................................... Entwurfsmuster 23: Bridged Schema..................................................... Problem........................................................................................... Lösung............................................................................................. Kompromisse und Alternativen....................................................... Entwurfsmuster 24: Windowed Inference.............................................
Problem........................................................................................... Lösung............................................................................................. Kompromisse und Alternativen....................................................... Entwurfsmuster 25: Workflow-Pipeline................................................. Problem........................................................................................... Lösung............................................................................................. Warum es funktioniert..................................................................... Kompromisse und Alternativen....................................................... 277 278 278 279 280 286 286 287 289 294 295 295 300 303 303 304 307 312 312 314 319 320 Inhalt
Entwurfsmuster 26: Feature Store.......................................................... Problem............................................................................................. Lösung............................................................................................. Warum es funktioniert..................................................................... Kompromisse und Alternativen...................................................... Entwurfsmuster 27: Modellversionierung.............................................. Problem............................................................................................. Lösung............................................................................................. Kompromisse und Alternativen...................................................... Zusammenfassung................................................................................... 325 325 327 337 339 341 341 342 346 349 7 Verantwortungsbewusste Kl............................................................ Entwurfsmuster 28: Heuristischer Benchmark...................................... Problem............................................................................................. Lösung............................................................................................. Kompromisse und Alternativen...................................................... Entwurfsmuster 29: Erklärbare Vorhersagen........................................
Problem............................................................................................. Lösung............................................................................................. Kompromisse und Alternativen...................................................... Entwurfsmuster 30: Fairness Lens.......................................................... Problem............................................................................................. Lösung............................................................................................. Kompromisse und Alternativen...................................................... Zusammenfassung.................................................................. 351 352 352 353 356 359 359 360 372 376 376 378 387 392 8 Verbundene Muster...................................................................... Muster-Referenz..................................................................................... Wechselwirkungen von Mustern............................................................. Muster in ML-Projekten......................................................................... ML-Lebenszyklus............................................................................. KI-Bereitschaft................................................................................. Allgemeine Muster nach Anwendungsfall und Datentyp...................... Verstehen natürlicher Sprache........................................................ Computer
Vision............................................................................. Prädiktive Analytik........................................................................... Empfehlungssysteme....................................................................... Betrugs- und Anomalieerkennung.................................................. 393 393 397 400 400 408 412 412 413 413 414 415 Index............................................................................................... 417 Inhalt I 9
|
| adam_txt |
Inhalt Vorwort. 11 1 Der Bedarfan Entwurfsmustern für maschinelles Lernen. 17 Was sind Entwurfsmuster?. Wie Sie dieses Buch verwenden. Terminologie für maschinelles Lernen. Modelle und Frameworks. Daten und Feature Engineering. Der Prozess des maschinellen Lernens. Tools für Daten und Modelle. Rollen. Allgemeine Flerausforderungen beim maschinellen Lernen. Datenqualität. Reproduzierbarkeit. Datendrift. Skalieren. Mehrere Ziele.
Zusammenfassung. 17 19 19 20 22 24 25 26 28 28 31 32 33 34 35 Entwurfsmuster für die Datendarstellung. 37 Einfache Datendarstellungen. Numerische Eingaben. Kategoriale Eingaben. Entwurfsmuster 1: Hashed Feature. Problem. Lösung. Warum es funktioniert. Kompromisse und Alternativen. 40 40 47 50 51 52 53 54 2
Entwurfsmuster 2: Einbettungen. Problem. Lösung. Warum es funktioniert. Kompromisse und Alternativen. Entwurfsmuster 3: Feature Cross. Problem. Lösung. Warum es funktioniert. Kompromisse und Alternativen. Entwurfsmuster 4: Multimodale Eingabe. Problem. Lösung. Kompromisse und Alternativen. Zusammenfassung. 3 6 Entwurfsmuster zur Problemdarstellung. Entwurfsmuster 5: Refraining.
Problem. Lösung. Warum es funktioniert. Kompromisse und Alternativen. Entwurfsmuster 6: Multilabel. Problem. Lösung. Kompromisse und Alternativen. Entwurfsmuster 7: Ensemble. Problem. Lösung. Warum es funktioniert. Kompromisse und Alternativen. Entwurfsmuster 8: Kaskade. Problem. Lösung. Kompromisse und
Alternativen. Entwurfsmuster 9: Neutrale Klasse. Problem. Lösung. Warum es funktioniert. Kompromisse und Alternativen. Entwurfsmuster 10: Rebalancing. Problem. I Inhalt 58 58 60 65 68 72 72 73 77 79 82 82 84 85 98 99 100 100 100 102 105 110 111 112 113 120 120 121 125 128 130 130 132 136 139 139 139 140 142 144 145
4 5 Lösung. Kompromisse und Alternadven. Zusammenfassung. 146 152 161 Entwurfsmuster für das Modelltraming. 163 Typische Trainingsschleife. Stochastischer Gradientenabstieg. Keras-T rainingsschleife. Training-Entwurfsmuster. Entwurfsmuster 11: Nützliche Überanpassung. Problem. Lösung. Warum es funktioniert. Kompromisse und Alternativen. Entwurfsmuster 12: Checkpoints. Problem. Lösung. Warum es funktioniert. Kompromisse und
Alternativen. Entwurfsmuster 13: Transfer Learning. Problem. Lösung. Warum es funktioniert. Kompromisse und Alternativen. Entwurfsmuster 14: Verteilungsstrategie. Problem. Lösung. Warum es funktioniert. Kompromisse und Alternativen. Entwurfsmuster 15: Hyperparameter-Abstimmung. Problem. Lösung. Warum es funktioniert. Kompromisse und Alternativen. Zusammenfassung. 163 163 164 165 165 165 167 168 169 174 175 175 177 179 186
186 188 195 197 200 200 201 206 208 212 212 215 217 220 224 Entwurfsmuster für robustes Serving. 225 Entwurfsmuster 16: Zustandslose Serving-Funktion. Problem. Lösung. Warum es funktioniert. Kompromisse und Alternativen. 225 227 229 231 233 Inhalt ļ 7
6 8 I Entwurfsmuster 17: Batch-Serving. Problem. Lösung. Warum es funktioniert. Kompromisse und Alternativen. Entwurfsmuster 18: Kontinuierliche Modellbewertung. Problem. Lösung. Warum es funktioniert. Kompromisse und Alternativen. Entwurfsmuster 19: Zweiphasen-Vorhersagen. Problem. Lösung. Kompromisse und Alternativen. Entwurfsmuster 20: Keyed Predictions. Problem. Lösung. Kompromisse und
Alternativen. Zusammenfassung. 238 238 239 240 242 245 245 246 252 253 258 258 260 267 270 270 271 273 274 Entwurfsmuster für Reproduzierbarkeit. Entwurfsmuster 21: Transformation. Problem. Lösung. Kompromisse und Alternativen. Entwurfsmuster 22: Wiederholbare Aufteilung. Problem. Lösung. Kompromisse und Alternativen. Entwurfsmuster 23: Bridged Schema. Problem. Lösung. Kompromisse und Alternativen. Entwurfsmuster 24: Windowed Inference.
Problem. Lösung. Kompromisse und Alternativen. Entwurfsmuster 25: Workflow-Pipeline. Problem. Lösung. Warum es funktioniert. Kompromisse und Alternativen. 277 278 278 279 280 286 286 287 289 294 295 295 300 303 303 304 307 312 312 314 319 320 Inhalt
Entwurfsmuster 26: Feature Store. Problem. Lösung. Warum es funktioniert. Kompromisse und Alternativen. Entwurfsmuster 27: Modellversionierung. Problem. Lösung. Kompromisse und Alternativen. Zusammenfassung. 325 325 327 337 339 341 341 342 346 349 7 Verantwortungsbewusste Kl. Entwurfsmuster 28: Heuristischer Benchmark. Problem. Lösung. Kompromisse und Alternativen. Entwurfsmuster 29: Erklärbare Vorhersagen.
Problem. Lösung. Kompromisse und Alternativen. Entwurfsmuster 30: Fairness Lens. Problem. Lösung. Kompromisse und Alternativen. Zusammenfassung. 351 352 352 353 356 359 359 360 372 376 376 378 387 392 8 Verbundene Muster. Muster-Referenz. Wechselwirkungen von Mustern. Muster in ML-Projekten. ML-Lebenszyklus. KI-Bereitschaft. Allgemeine Muster nach Anwendungsfall und Datentyp. Verstehen natürlicher Sprache. Computer
Vision. Prädiktive Analytik. Empfehlungssysteme. Betrugs- und Anomalieerkennung. 393 393 397 400 400 408 412 412 413 413 414 415 Index. 417 Inhalt I 9 |
| any_adam_object | 1 |
| any_adam_object_boolean | 1 |
| author | Lakshmanan, Valliappa Robinson, Sara Munn, Michael |
| author2 | Langenau, Frank |
| author2_role | trl |
| author2_variant | f l fl |
| author_GND | (DE-588)1222923750 (DE-588)1222923904 (DE-588)122292398X (DE-588)123178002 |
| author_facet | Lakshmanan, Valliappa Robinson, Sara Munn, Michael Langenau, Frank |
| author_role | aut aut aut |
| author_sort | Lakshmanan, Valliappa |
| author_variant | v l vl s r sr m m mm |
| building | Verbundindex |
| bvnumber | BV047335931 |
| classification_rvk | ST 300 ST 302 |
| ctrlnum | (OCoLC)1286855443 (DE-599)DNB1232518727 |
| discipline | Informatik |
| discipline_str_mv | Informatik |
| edition | 1. Auflage |
| format | Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>02835nam a2200673 c 4500</leader><controlfield tag="001">BV047335931</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20221221 </controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">210617s2022 gw a||| |||| 00||| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">21,N18</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1232518727</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783960091646</subfield><subfield code="c">: circa EUR 44.90 (DE), circa EUR 46.20 (AT)</subfield><subfield code="9">978-3-96009-164-6</subfield></datafield><datafield tag="024" ind1="3" ind2=" "><subfield code="a">9783960091646</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1286855443</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1232518727</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1="1" ind2=" "><subfield code="a">ger</subfield><subfield code="h">eng</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">XA-DE-BW</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-1102</subfield><subfield code="a">DE-706</subfield><subfield code="a">DE-860</subfield><subfield code="a">DE-355</subfield><subfield code="a">DE-Aug4</subfield><subfield code="a">DE-11</subfield><subfield code="a">DE-1043</subfield><subfield code="a">DE-B768</subfield><subfield code="a">DE-739</subfield><subfield code="a">DE-573</subfield><subfield code="a">DE-858</subfield><subfield code="a">DE-859</subfield><subfield code="a">DE-703</subfield><subfield code="a">DE-83</subfield><subfield code="a">DE-1049</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 300</subfield><subfield code="0">(DE-625)143650:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 302</subfield><subfield code="0">(DE-625)143652:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">004</subfield><subfield code="2">23sdnb</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Lakshmanan, Valliappa</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1222923750</subfield><subfield code="4">aut</subfield></datafield><datafield tag="240" ind1="1" ind2="0"><subfield code="a">Machine learning design patterns</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Design Patterns für Machine Learning</subfield><subfield code="b">Entwurfsmuster für Datenaufbereitung, Modellbildung und MLOps</subfield><subfield code="c">Valliappa Lakshmanan, Sara Robinson & Michael Munn ; deusche Übersetzung von Frank Langenau</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">O'Reilly</subfield><subfield code="c">2022</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">430 Seiten</subfield><subfield code="b">Illustrationen, Diagramme</subfield><subfield code="c">24 cm x 16.5 cm</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">auf dem Umschlag: "Best Practices für die gesamte ML-Pipeline"</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Entwurfsmuster</subfield><subfield code="0">(DE-588)4546895-3</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">AI</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Artificial Intelligence</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Deep Learning</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">KI</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Künstliche Intelligenz</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Machine Learning</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Neuronale Netze</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Python</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Statistische Datenanalyse</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Machine Learning Operations</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">TensorFlow</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">PyTorch</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">scikit-learn</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Entwurfsmuster</subfield><subfield code="0">(DE-588)4546895-3</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Robinson, Sara</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1222923904</subfield><subfield code="4">aut</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Munn, Michael</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)122292398X</subfield><subfield code="4">aut</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Langenau, Frank</subfield><subfield code="0">(DE-588)123178002</subfield><subfield code="4">trl</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe, PDF</subfield><subfield code="z">978-3-96010-596-1</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe, EPUB</subfield><subfield code="z">978-3-96010-597-8</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe, MOBI</subfield><subfield code="z">978-3-96010-598-5</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">Digitalisierung UB Passau - ADAM Catalogue Enrichment</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=032738453&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="999" ind1=" " ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-032738453</subfield></datafield></record></collection> |
| id | DE-604.BV047335931 |
| illustrated | Illustrated |
| index_date | 2024-07-03T17:32:40Z |
| indexdate | 2024-07-10T09:09:19Z |
| institution | BVB |
| isbn | 9783960091646 |
| language | German English |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-032738453 |
| oclc_num | 1286855443 |
| open_access_boolean | |
| owner | DE-1102 DE-706 DE-860 DE-355 DE-BY-UBR DE-Aug4 DE-11 DE-1043 DE-B768 DE-739 DE-573 DE-858 DE-859 DE-703 DE-83 DE-1049 |
| owner_facet | DE-1102 DE-706 DE-860 DE-355 DE-BY-UBR DE-Aug4 DE-11 DE-1043 DE-B768 DE-739 DE-573 DE-858 DE-859 DE-703 DE-83 DE-1049 |
| physical | 430 Seiten Illustrationen, Diagramme 24 cm x 16.5 cm |
| publishDate | 2022 |
| publishDateSearch | 2022 |
| publishDateSort | 2022 |
| publisher | O'Reilly |
| record_format | marc |
| spelling | Lakshmanan, Valliappa Verfasser (DE-588)1222923750 aut Machine learning design patterns Design Patterns für Machine Learning Entwurfsmuster für Datenaufbereitung, Modellbildung und MLOps Valliappa Lakshmanan, Sara Robinson & Michael Munn ; deusche Übersetzung von Frank Langenau 1. Auflage Heidelberg O'Reilly 2022 430 Seiten Illustrationen, Diagramme 24 cm x 16.5 cm txt rdacontent n rdamedia nc rdacarrier auf dem Umschlag: "Best Practices für die gesamte ML-Pipeline" Maschinelles Lernen (DE-588)4193754-5 gnd rswk-swf Entwurfsmuster (DE-588)4546895-3 gnd rswk-swf AI Artificial Intelligence Deep Learning KI Künstliche Intelligenz Machine Learning Neuronale Netze Python Statistische Datenanalyse Machine Learning Operations TensorFlow PyTorch scikit-learn Maschinelles Lernen (DE-588)4193754-5 s Entwurfsmuster (DE-588)4546895-3 s DE-604 Robinson, Sara Verfasser (DE-588)1222923904 aut Munn, Michael Verfasser (DE-588)122292398X aut Langenau, Frank (DE-588)123178002 trl Erscheint auch als Online-Ausgabe, PDF 978-3-96010-596-1 Erscheint auch als Online-Ausgabe, EPUB 978-3-96010-597-8 Erscheint auch als Online-Ausgabe, MOBI 978-3-96010-598-5 Digitalisierung UB Passau - ADAM Catalogue Enrichment application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=032738453&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis |
| spellingShingle | Lakshmanan, Valliappa Robinson, Sara Munn, Michael Design Patterns für Machine Learning Entwurfsmuster für Datenaufbereitung, Modellbildung und MLOps Maschinelles Lernen (DE-588)4193754-5 gnd Entwurfsmuster (DE-588)4546895-3 gnd |
| subject_GND | (DE-588)4193754-5 (DE-588)4546895-3 |
| title | Design Patterns für Machine Learning Entwurfsmuster für Datenaufbereitung, Modellbildung und MLOps |
| title_alt | Machine learning design patterns |
| title_auth | Design Patterns für Machine Learning Entwurfsmuster für Datenaufbereitung, Modellbildung und MLOps |
| title_exact_search | Design Patterns für Machine Learning Entwurfsmuster für Datenaufbereitung, Modellbildung und MLOps |
| title_exact_search_txtP | Design Patterns für Machine Learning Entwurfsmuster für Datenaufbereitung, Modellbildung und MLOps |
| title_full | Design Patterns für Machine Learning Entwurfsmuster für Datenaufbereitung, Modellbildung und MLOps Valliappa Lakshmanan, Sara Robinson & Michael Munn ; deusche Übersetzung von Frank Langenau |
| title_fullStr | Design Patterns für Machine Learning Entwurfsmuster für Datenaufbereitung, Modellbildung und MLOps Valliappa Lakshmanan, Sara Robinson & Michael Munn ; deusche Übersetzung von Frank Langenau |
| title_full_unstemmed | Design Patterns für Machine Learning Entwurfsmuster für Datenaufbereitung, Modellbildung und MLOps Valliappa Lakshmanan, Sara Robinson & Michael Munn ; deusche Übersetzung von Frank Langenau |
| title_short | Design Patterns für Machine Learning |
| title_sort | design patterns fur machine learning entwurfsmuster fur datenaufbereitung modellbildung und mlops |
| title_sub | Entwurfsmuster für Datenaufbereitung, Modellbildung und MLOps |
| topic | Maschinelles Lernen (DE-588)4193754-5 gnd Entwurfsmuster (DE-588)4546895-3 gnd |
| topic_facet | Maschinelles Lernen Entwurfsmuster |
| url | http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=032738453&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |
| work_keys_str_mv | AT lakshmananvalliappa machinelearningdesignpatterns AT robinsonsara machinelearningdesignpatterns AT munnmichael machinelearningdesignpatterns AT langenaufrank machinelearningdesignpatterns AT lakshmananvalliappa designpatternsfurmachinelearningentwurfsmusterfurdatenaufbereitungmodellbildungundmlops AT robinsonsara designpatternsfurmachinelearningentwurfsmusterfurdatenaufbereitungmodellbildungundmlops AT munnmichael designpatternsfurmachinelearningentwurfsmusterfurdatenaufbereitungmodellbildungundmlops AT langenaufrank designpatternsfurmachinelearningentwurfsmusterfurdatenaufbereitungmodellbildungundmlops |