دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Design Patterns für Machine Learning: Entwurfsmuster für Datenaufbereitung, Modellbildung und MLOps – Best Practices für die gesamte ML-Pipeline
دانلود کتاب الگوهای طراحی یادگیری ماشین: الگوهای طراحی برای آماده‌سازی داده، مدل‌سازی و MLOps - بهترین روش‌ها برای کل خط لوله ML
مشخصات کتاب
Design Patterns für Machine Learning: Entwurfsmuster für Datenaufbereitung, Modellbildung und MLOps – Best Practices für die gesamte ML-Pipeline
ویرایش: نویسندگان: Vallappa Lakshmanan, Sara Robinson, Michael Munn سری: Animals ISBN (شابک) : 3960091648, 9783960091646 ناشر: dpunkt سال نشر: 2021 تعداد صفحات: 432 زبان: German فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 14 Mb
قیمت کتاب (تومان) : 32,000
در صورت تبدیل فایل کتاب Design Patterns für Machine Learning: Entwurfsmuster für Datenaufbereitung, Modellbildung und MLOps – Best Practices für die gesamte ML-Pipeline به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب الگوهای طراحی یادگیری ماشین: الگوهای طراحی برای آماده‌سازی داده، مدل‌سازی و MLOps - بهترین روش‌ها برای کل خط لوله ML نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب الگوهای طراحی یادگیری ماشین: الگوهای طراحی برای آماده‌سازی داده، مدل‌سازی و MLOps - بهترین روش‌ها برای کل خط لوله ML
راه حل های عملی اثبات شده برای وظایف پیچیده یادگیری ماشین
- تمام مراحل خط لوله محصول ML را پوشش می دهد
- ساختار ساختار یافته واضحی که تضمین می کند مفاهیم و روابط به سرعت درک می شوند توسعه می یابد< /li>
- تمرکز بر TensorFlow، اما همچنین قابل انتقال به پروژه‌های PyTorch
الگوهای طراحی در این کتاب روش‌ها و راه‌حل‌های آزموده‌شده و آزمایش‌شده را برای وظایف تکراری در یادگیری ماشین نشان می‌دهند. نویسندگان، سه کارشناس یادگیری ماشین در Google، بهترین شیوه‌ها را برای کمک به دانشمندان داده و مهندسان داده برای حل مشکلات رایج در سراسر فرآیند ML توصیف می‌کنند. این الگوها تجربیات صدها متخصص را ترکیب می کند و بهترین شیوه های ساده و قابل دسترس را ارائه می دهد.
در این کتاب توضیحات مفصلی از 30 الگو برای این موضوعات خواهید یافت: داده ها و نمایش مسئله، عملیاتی سازی، تکرارپذیری، تکرارپذیری، انعطاف پذیری، توضیح پذیری و انصاف. هر الگو شامل شرحی از مشکل، انواع راه‌حل‌های ممکن، و توصیه‌هایی برای انتخاب بهترین تکنیک برای موقعیت شما است.
توضیحاتی درمورد کتاب به خارجی
Bewährte Praxislösungen für komplexe Machine-Learning-Aufgaben
- 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.
