Design Patterns fÃŧr Machine Learning: Entwurfsmuster fÃŧr Datenaufbereitung, Modellbildung und MLOps
āļ¸āˇāļ¸ āļ-āļ´āˇāļ āļāˇāļą
- Behandelt alle Phasen der ML-Produktpipeline
- Klar strukturierter Aufbau: Konzepte und Zusammenhänge erschlieÃen sich dadurch schnell
- Fokus auf TensorFlow, aber auch Ãŧbertragbar auf PyTorch-Projekte
Die Design Patterns in diesem Buch zeigen praxiserprobte Methoden und LÃļsungen fÃŧr wiederkehrende Aufgaben beim Machine Learning. Die Autoren, drei Machine-Learning-Experten bei Google, beschreiben bewährte Herangehensweisen, um Data Scientists und Data Engineers bei der LÃļsung gängiger Probleme im gesamten ML-Prozess zu unterstÃŧtzen. Die Patterns bÃŧndeln die Erfahrungen von Hunderten von Experten und bieten einfache, zugängliche Best Practices.
In diesem Buch finden Sie detaillierte Erläuterungen zu 30 Patterns fÃŧr diese Themen: Daten- und Problemdarstellung, Operationalisierung, Wiederholbarkeit, Reproduzierbarkeit, Flexibilität, Erklärbarkeit und Fairness. Jedes Pattern enthält eine Beschreibung des Problems, eine Vielzahl mÃļglicher LÃļsungen und Empfehlungen fÃŧr die Auswahl der besten Technik fÃŧr Ihre Situation.
