×
Dodano do koszyka:
Pozycja znajduje się w koszyku, zwiększono ilość tej pozycji:
Zakupiłeś już tę pozycję:
Książkę możesz pobrać z biblioteki w panelu użytkownika
Pozycja znajduje się w koszyku
Przejdź do koszyka

Zawartość koszyka

ODBIERZ TWÓJ BONUS :: »

Machine Learning Design Patterns

(ebook) (audiobook) (audiobook) Książka w języku 1
Machine Learning Design Patterns Valliappa Lakshmanan, Sara Robinson, Michael Munn - okladka książki

Machine Learning Design Patterns Valliappa Lakshmanan, Sara Robinson, Michael Munn - okladka książki

Machine Learning Design Patterns Valliappa Lakshmanan, Sara Robinson, Michael Munn - audiobook MP3

Machine Learning Design Patterns Valliappa Lakshmanan, Sara Robinson, Michael Munn - audiobook CD

Ocena:
Bądź pierwszym, który oceni tę książkę
Stron:
408
Dostępne formaty:
     ePub
     Mobi

Ebook (127,08 zł najniższa cena z 30 dni)

219,00 zł (-15%)
186,15 zł

Dodaj do koszyka lub Kup na prezent Kup 1-kliknięciem

(127,08 zł najniższa cena z 30 dni)

Przenieś na półkę

Do przechowalni

The design patterns in this book capture best practices and solutions to recurring problems in machine learning. The authors, three Google engineers, catalog proven methods to help data scientists tackle common problems throughout the ML process. These design patterns codify the experience of hundreds of experts into straightforward, approachable advice.

In this book, you will find detailed explanations of 30 patterns for data and problem representation, operationalization, repeatability, reproducibility, flexibility, explainability, and fairness. Each pattern includes a description of the problem, a variety of potential solutions, and recommendations for choosing the best technique for your situation.

You'll learn how to:

  • Identify and mitigate common challenges when training, evaluating, and deploying ML models
  • Represent data for different ML model types, including embeddings, feature crosses, and more
  • Choose the right model type for specific problems
  • Build a robust training loop that uses checkpoints, distribution strategy, and hyperparameter tuning
  • Deploy scalable ML systems that you can retrain and update to reflect new data
  • Interpret model predictions for stakeholders and ensure models are treating users fairly

Wybrane bestsellery

Valliappa Lakshmanan, Sara Robinson, Michael Munn - pozostałe książki

O'Reilly Media - inne książki

Zamknij

Przenieś na półkę

Proszę czekać...
ajax-loader

Zamknij

Wybierz metodę płatności

Ebook
186,15 zł
Dodaj do koszyka
Zamknij Pobierz aplikację mobilną Ebookpoint