Data Science mit AWS

End-to-End-Pipelines für Continuous Machine Learning implementieren

Data Science mit AWS

End-to-End-Pipelines für Continuous Machine Learning implementieren

	OReilly (dpunkt)
Autor:innen	Chris Fregly, Antje Barth
	548 Seiten, Softcover
Erschienen	03/2022
	978-3-96009-184-4 9783960091844

€

Best.-Nr.:

Lernen Sie alle wichtigen Konzepte und die wichtigsten AWS-Dienste kennen, um erfolgreich Data-Science-Projekte mit Amazon Web Services zu erstellen und in den produktiven Einsatz zu bringen. Das praxisorientierte Handbuch stellt den KI- und Machine-Learning-Stack von Amazon vor, der Data Science, Data Engineering und Anwendungsentwicklung umfasst. Die Autoren beschreiben den kompletten End-to-End-Prozess von der Entwicklung der Modelle bis zu ihrem konkreten Einsatz.

Chris Fregly und Antje Barth zeigen Ihnen, wie Sie ML-Pipelines in der Cloud anlegen und die Ergebnisse innerhalb von Minuten in Anwendungen integrieren. Sie erfahren zudem, wie Sie Kosten senken können und die Performance Ihrer Anwendungen optimieren.

Wenden Sie den KI- und ML-Stack von Amazon auf reale Use Cases an, insbesondere aus den Bereichen Natural Language Processing, Computer Vision, Betrugserkennung oder dialogfähige Geräte
Nutzen Sie AutoML, um sich wiederholende Aufgaben mit Amazon SageMaker Autopilot zu automatisieren
Tauchen Sie tief in den kompletten Lebenszyklus einer NLP-Modellentwicklung auf BERT-Basis ein und lernen Sie dabei, wie Sie Daten einlesen und analysieren sowie Modelle trainieren und deployen
Bündeln Sie alle Teilschritte eines Workflows zu einer wiederverwendbaren MLOps-Pipeline
Verwenden Sie Amazon Kinesis und Amazon Managed Streaming for Apache Kafka für Echtzeit-ML, Anomalieerkennung und Streaming-Analysen
Profitieren Sie von bewährten Sicherheitspraktiken für das Identitäts- und Zugriffsmanagement, die Authentifizierung und Autorisierung

Aus dem Inhalt

Data Science mit AWS – eine Einführung
Anwendungsbeispiele aus dem Bereich Data Science
Automatisiertes Machine Learning
Datenaufnahme in die Cloud
Exploration des Datensatzes
Vorbereitung des Datensatzes für das Modelltraining

Hier das ganze Inhaltsverzeichnis lesen.

Das erste Modell trainieren
Modelle in großem Maßstab trainieren und optimieren
Deployment von Modellen in die Produktion
Pipelines und MLOps
Streaming-Analysen und Machine Learning
Sicherheit von Data-Science-Projekten auf AWS

Cloud Computing ermögicht es gegenüber eigenen Rechenzentren und Servern, Ressourcen bedarfsgerecht bereitzustellen und automatisch zu skalieren. Das ist nur einer der Vorteile, die Chris Fregly in dieser Leseprobe beschreibt. Da Data-Science-Projekte komplexe, multidisziplinäre und iterative Schritte umfassen, profitieren Sie von den vielen verwalteten KI-Services von Amazon. Diese lassen sich ohne viel Erfahrung quasi als 1-Click-Service in eigene Anwendungen integrieren.

„Wow – dieses Buch wird Ihnen helfen, Ihre Data-Science- Projekte von der ersten Idee bis zur Produktion zu bringen. Chris und Antje beschreiben alle wichtigen Konzepte und AWS-Services mit vielen Beispielen aus der Praxis, damit Sie gut in Ihre Data-Science-Reise starten können.“

— Jeff Barr
Vice President und Chief Evangelist bei Amazon Web Services

Wer hat's geschrieben?

Chris Fregly ist Principal Developer Advocate für KI und Machine Learning bei AWS in San Francisco. Er spricht regelmäßig auf Konferenzen auf der ganzen Welt zu KI und Machine Learning, unter anderem bei der O’Reilly AI Superstream Series. Zuvor hat er PipelineAI gegründet, war Solutions Engineer bei Databricks und Software Engineer bei Netflix. In den letzten zehn Jahren hat er sich auf den Aufbau von KI- und Machine-Learning-Pipelines mit AWS konzentriert.

Antje Barth ist Senior Developer Advocate für KI und Machine Learning bei AWS in Düsseldorf. Sie ist Mitbegründerin der Düsseldorfer Gruppe von "Women in Big Data" und spricht häufig auf KI- und Machine Learning-Konferenzen und Meetups auf der ganzen Welt. Außerdem leitet und kuratiert sie Inhalte für O’Reilly-AI-Superstream-Veranstaltungen. Zuvor war sie als Software Engineer bei Cisco und MapR tätig und beschäftigte sich mit Infrastrukturen für Rechenzentren, Big Data und KI-Anwendungen.

Data Science mit AWS

End-to-End-Pipelines für Continuous Machine Learning implementieren

Data Science mit AWS

End-to-End-Pipelines für Continuous Machine Learning implementieren

	OReilly (dpunkt)
Autor:innen	Chris Fregly, Antje Barth
	548 Seiten, Softcover
Erschienen	03/2022
	978-3-96009-184-4 9783960091844

€

Best.-Nr.:

Betriebssysteme

Office-Anwendungen

Utilities, Dienstprogramme

Produktivitäts-Software

Büro & Finanzen

Foto, Audio & Video

Sicherheit & Backup

Programmieren

Apple, Mac

Computer & Office

Künstliche Intelligenz

Programmierung

Grafik & Design

Web & Online-Marketing

Server & Netzwerke

Für Maker, Elektronik & Co.

Business

Basics

Fototechniken

Fotogenres

Bildbearbeitung

Kamerahandbücher

Weitere Themen

Home

Software

Software-Neuerscheinungen

Marken

Für Unternehmen

Für Schüler und Studenten

Lesen Computing

Lesen Fotografie

Bücher-Neuerscheinungen

Bücher zum Vorbestellen

Neuheiten

Jobs bei uns

IT-Fachbücher Kategorien

Data Science mit AWS

End-to-End-Pipelines für Continuous Machine Learning implementieren

Aus dem Inhalt

Wer hat's geschrieben?