Design Patterns Fur Machine Learning

Bewhrte Praxislsungen fr komplexe Machine-Learning-AufgabenBehandelt alle Phasen der ML-ProduktpipelineKlar strukturierter Aufbau: Konzepte und Zusammenhnge erschlieen sich dadurch schnellFokus auf TensorFlow, aber auch bertragbar auf PyTorch-ProjekteDie Design Patterns in diesem Buch zeigen praxiserprobte Methoden und Lsungen fr wiederkehrende Aufgaben beim Machine Learning.

Die Autoren, drei Machine-Learning-Experten bei Google, beschreiben bewhrte Herangehensweisen, um Data Scientists und Data Engineers bei der Lsung gngiger Probleme im gesamten ML-Prozess zu untersttzen.

Die Patterns bndeln die Erfahrungen von Hunderten von Experten und bieten einfache, zugngliche Best Practices.In diesem Buch finden Sie detaillierte Erluterungen zu 30 Patterns fr diese Themen: Daten- und Problemdarstellung, Operationalisierung, Wiederholbarkeit, Reproduzierbarkeit, Flexibilitt, Erklrbarkeit und Fairness.

Jedes Pattern enthlt eine Beschreibung des Problems, eine Vielzahl mglicher Lsungen und Empfehlungen fr die Auswahl der besten Technik fr Ihre Situation.