TargiKsiążkiMaj2025
okładka Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego ebook | epub, mobi, pdf | Chris Fregly, Antje Barth

Pobierz za darmo fragment ebooka

Promocja

Sprzedaje i dostarcza: Woblink

Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego Chris Fregly, Antje Barth ebook

Moja ocena:

Sprzedaje i dostarcza: Woblink

Dodano do koszyka

Koszyk

Opis treści

Platforma Amazon Web Services jest uważana za największą i najbardziej dojrzałą chmurę obliczeniową. Zapewnia bogaty zestaw specjalistycznych narzędzi ułatwiających realizację projektów z zakresu inżynierii danych i uczenia maszynowego. W ten sposób inżynierowie danych, architekci i menedżerowie mogą szybko zacząć używać danych do podejmowania kluczowych decyzji biznesowych. Uzyskanie optymalnej efektywności pracy takich projektów wymaga jednak dobrego rozeznania w możliwościach poszczególnych narzędzi, usług i bibliotek.

_x005F_x000D_ _x005F_x000D_

Dzięki temu praktycznemu przewodnikowi szybko nauczysz się tworzyć i uruchamiać procesy w chmurze, a następnie integrować wyniki z aplikacjami. Zapoznasz się ze scenariuszami stosowania technik sztucznej inteligencji: przetwarzania języka naturalnego, rozpoznawania obrazów, wykrywania oszustw, wyszukiwania kognitywnego czy wykrywania anomalii w czasie rzeczywistym. Ponadto dowiesz się, jak łączyć cykle rozwoju modeli z pobieraniem i analizą danych w powtarzalnych potokach MLOps. W książce znajdziesz też zbiór technik zabezpieczania projektów i procesów z obszaru inżynierii danych, takich jak stosowanie usługi IAM, uwierzytelnianie, autoryzacja, izolacja sieci, szyfrowanie danych w spoczynku czy postkwantowe szyfrowanie sieci dla danych w tranzycie.

_x005F_x000D_ _x005F_x000D_

Najciekawsze zagadnienia:

_x005F_x000D_ _x005F_x000D_
    _x005F_x000D_
  • narzędzia AWS związane ze sztuczną inteligencją i z uczeniem maszynowym
  • _x005F_x000D_
  • kompletny cykl rozwoju modelu przetwarzania języka naturalnego
  • _x005F_x000D_
  • powtarzalne potoki MLOps
  • _x005F_x000D_
  • uczenie maszynowe w czasie rzeczywistym
  • _x005F_x000D_
  • wykrywanie anomalii i analiza strumieni danych
  • _x005F_x000D_
  • zabezpieczanie projektów i procesów z obszaru inżynierii danych
  • _x005F_x000D_
_x005F_x000D_ _x005F_x000D_

AWS i inżynieria danych: tak zwiększysz wydajność i obniżysz koszty!

_x005F_x000D_ _x005F_x000D_
_x005F_x000D_

Implementowanie solidnego kompletnego procesu uczenia maszynowego to żmudne zadanie, dodatkowo komplikowane przez szeroki zakres dostępnych narzędzi i technologii. Autorzy wykonali świetną robotę, a jej efekty pomogą zarówno nowicjuszom, jak i doświadczonym praktykom realizować to zadanie z wykorzystaniem możliwości, jakie dają usługi AWS

_x005F_x000D_ _x005F_x000D_

Brent Rabowsky, danolog w firmie Amazon Web Services

_x005F_x000D_
_x005F_x000D_

„Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego”, Chris Fregly, Antje Barth – jak czytać ebook?

Ebooka „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego”, tak jak pozostałe książki w formacie elektronicznym przeczytacie w aplikacji mobilnej Woblink na Android lub iOS lub na innym urządzeniu obsługującym format epub lub mobi - czytnik ebooków (Pocketbook, Kindle, inkBook itd.), tablet, komputer etc. Czytaj tak, jak lubisz!

Zanim zdecydujesz się na zakup, możesz również przeczytać u nas darmowy fragment ebooka. A jeśli wolisz słuchać, sprawdź, czy książka jest dostępna w Woblink także jako audiobook (mp3).

Szczegółowe informacje na temat ebooka Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego

    • Inżynieria danych...

      Ebook

      129,00 zł  

    • bumerang

Opinie i oceny ebooka Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego

0,0

0 ocen / 0 opinii

razem z Lubimy Czytać
Oceń
Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego

Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego

Chris Fregly, Antje Barth,

Moja ocena: