Machine Learning Infrastructure and Best Practices for Software Engineers

Obwohl die Erstellung einer Machine-Learning-Pipeline oder die Entwicklung eines funktionierenden Prototyps eines Softwaresystems aus dieser Pipeline heutzutage einfach und unkompliziert ist, ist der Weg zu einem professionellen Softwaresystem immer noch lang.

Dieses Buch hilft Ihnen, sich mit verschiedenen Best Practices und Rezepten vertraut zu machen, die Softwareentwicklern dabei helfen, Prototyp-Pipelines in vollständige Softwareprodukte umzuwandeln. Das Buch beginnt mit einer Einführung in die Hauptkonzepte professioneller Softwaresysteme, die im Kern maschinelles Lernen nutzen. Im weiteren Verlauf werden Sie die Unterschiede zwischen herkömmlicher Nicht-ML-Software und Software für maschinelles Lernen erkunden. Die ersten Best Practices helfen Ihnen dabei, die Art der Software zu bestimmen, die Sie für Ihr Produkt benötigen. Anschließend befassen Sie sich mit Algorithmen und behandeln deren Auswahl, Entwicklung und Tests, bevor Sie die Feinheiten der Infrastruktur für maschinelle Lernsysteme erkunden, indem Sie Best Practices zur Identifizierung der richtigen Datenquelle und zur Sicherstellung ihrer Qualität definieren. Gegen Ende werden Sie sich mit dem anspruchsvollsten Aspekt großer maschineller Lernsysteme befassen – der Ethik. Indem Sie Best Practices für die Bewertung ethischer Risiken und Strategien zur Schadensminderung untersuchen und definieren, schließen Sie das Buch dort ab, wo alles begann – Software für maschinelles Lernen im großen Maßstab.

Das Angebot läuft am 15.05.2024 ab