MLOps – Kernkonzepte im Überblick

Machine-Learning-Prozesse im Unternehmen nachhaltig automatisieren und skalieren

Mark Treveil, Nicolas Omont, Clément Stenac, Kenji Lefèvre und Du Phan

Diese Publikation zitieren

Mark Treveil, Nicolas Omont, Clément Stenac, Kenji Lefèvre, Du Phan, MLOps – Kernkonzepte im Überblick (2021), O'Reilly Verlag, Heidelberg, ISBN: 9783960105800

2158
Accesses
11
Quotes

Beschreibung / Abstract

Erfolgreiche ML-Pipelines entwickeln und mit MLOps organisatorische Herausforderungen meistern


Stellt DevOps-Konzepte vor, die die speziellen Anforderungen von ML-Anwendungen berücksichtigen
Umfasst die Verwaltung, Bereitstellung, Skalierung und Überwachung von ML-Modellen im Unternehmensumfeld
Für Data Scientists und Data Engineers, die nach besseren Strategien für den produktiven Einsatz ihrer ML-Modelle suchen


Viele Machine-Learning-Modelle, die in Unternehmen entwickelt werden, schaffen es aufgrund von organisatorischen und technischen Hürden nicht in den produktiven Betrieb. Dieses Buch zeigt Ihnen, wie Sie erprobte MLOps-Strategien einsetzen, um eine erfolgreiche DevOps-Umgebung für Ihre ML-Modelle aufzubauen, sie kontinuierlich zu verbessern und langfristig zu warten. Das Buch erläutert MLOps-Schlüsselkonzepte, mit denen Data Scientists und Data Engineers ihre ML-Pipelines und -Workflows optimieren können. Anhand von Fallbeispielen, die auf zahlreichen MLOps-Anwendungen auf der ganzen Welt basieren, geben neun ML-Experten wertvolle Einblicke in die fünf Schritte des Modelllebenszyklus - Build, Preproduction, Deployment, Monitoring und Governance. Sie erfahren auf diese Weise, wie robuste MLOps-Prozesse umfassend in den ML-Produktworkflow integriert werden können.

Beschreibung

Mark Treveil hat bereits zahlreiche Produkte in verschiedenen Bereichen wie etwa Telekommunikation, Bankwesen und dem Online-Börsengeschäft konzipiert. Sein eigenes Startup hat eine regelrechte Wende in der britischen Kommunalverwaltung initiiert, wo seine Digitalisierungslösung noch immer vorherrscht. Derzeit ist er im Pariser Produktteam von Dataiku beschäftigt.

Inhaltsverzeichnis

  • BEGINN
  • Inhalt
  • Vorwort
  • Teil I: Was ist MLOps, und warum wird es benötigt?
  • Kapitel 1: Warum jetzt, und was sind die Herausforderungen?
  • Kapitel 2: An MLOps-Prozessen beteiligte Personen
  • Kapitel 3: Die Kernkomponenten von MLOps
  • Teil II: MLOps einsetzen
  • Kapitel 4: Modellentwicklung
  • Kapitel 5: Vorbereitung für die Produktion
  • Kapitel 6: Deployment in die Produktivumgebung
  • Kapitel 7: Monitoring und Feedback-Schleife
  • Kapitel 8: Modell-Governance
  • Teil III: MLOps-Anwendungsfälle aus der Praxis
  • Kapitel 9: MLOps in der Praxis: Kreditrisikomanagement bei der Vergabe von Verbraucherkrediten
  • Kapitel 10: MLOps in der Praxis: Empfehlungssysteme im Marketing
  • Kapitel 11: MLOps in der Praxis: die Verbrauchsprognose am Beispiel der Lastprognose
  • Index

Mehr von dieser Serie

    Ähnliche Titel

      Mehr von diesem Autor