Vous voulez être sûr que vos cadeaux seront sous le sapin de Noël à temps? Nos magasins vous accueillent à bras ouverts. La plupart de nos magasins sont ouverts également les dimanches, vous pouvez vérifier les heures d'ouvertures sur notre site.
- Retrait gratuit dans votre magasin Club
- 7.000.000 titres dans notre catalogue
- Payer en toute sécurité
- Toujours un magasin près de chez vous
Vous voulez être sûr que vos cadeaux seront sous le sapin de Noël à temps? Nos magasins vous accueillent à bras ouverts. La plupart de nos magasins sont ouverts également les dimanches, vous pouvez vérifier les heures d'ouvertures sur notre site.
- Retrait gratuit dans votre magasin Club
- 7.000.0000 titres dans notre catalogue
- Payer en toute sécurité
- Toujours un magasin près de chez vous
Introducing MLOps
How to Scale Machine Learning in the Enterprise
Mark Treveil, Nicolas Omont, Clément Stenac, Kenji LeFevre, Du Phan, Joachim Zentici, Adrien Lavoillotte, Makoto Miyazaki, Lynn Heidmann
Livre broché | Anglais
74,45 €
+ 148 points
Description
More than half of the analytics and machine learning (ML) models created by organizations today never make it into production. Some of the challenges and barriers to operationalization are technical, but others are organizational. Either way, the bottom line is that models not in production can't provide business impact.
This book introduces the key concepts of MLOps to help data scientists and application engineers not only operationalize ML models to drive real business change but also maintain and improve those models over time. Through lessons based on numerous MLOps applications around the world, nine experts in machine learning provide insights into the five steps of the model life cycle--Build, Preproduction, Deployment, Monitoring, and Governance--uncovering how robust MLOps processes can be infused throughout.
This book helps you:
- Fulfill data science value by reducing friction throughout ML pipelines and workflows
- Refine ML models through retraining, periodic tuning, and complete remodeling to ensure long-term accuracy
- Design the MLOps life cycle to minimize organizational risks with models that are unbiased, fair, and explainable
- Operationalize ML models for pipeline deployment and for external business systems that are more complex and less standardized
Spécifications
Parties prenantes
- Auteur(s) :
- Editeur:
Contenu
- Nombre de pages :
- 183
- Langue:
- Anglais
Caractéristiques
- EAN:
- 9781492083290
- Date de parution :
- 05-01-21
- Format:
- Livre broché
- Format numérique:
- Trade paperback (VS)
- Dimensions :
- 178 mm x 233 mm
- Poids :
- 303 g
