Kostenloses Buch
MLOps mit MLflow und Kubernetes
Lesezugriff
Kostenloses Buch
Ein praktisches MLOps-Buch über Experimentverfolgung, Modellregistrierungen, Feature-Pipelines, CI/CD für ML, Kubernetes-Bereitstellung, Überwachung, Drift, Governance und sichere Modelleinführung.
Level: intermediateSprache: DE DeutschBewertung: 0Rezensionen: 0
Buch
Book contents
01Chapter 1: Why Machine Learning Needs Operations02Chapter 2: Datasets, Features, Models, and Artifacts03Chapter 3: Experiment Tracking with MLflow04Chapter 4: Model Registries and Approval Workflows05Chapter 5: Reproducible Training Pipelines06Chapter 6: Feature Stores and Data Versioning07Chapter 7: CI/CD for Machine Learning Projects08Chapter 8: Containerizing Models for Deployment09Chapter 9: Model Serving on Kubernetes10Chapter 10: Batch vs Real-Time Inference11Chapter 11: Monitoring Drift, Quality, and Latency12Chapter 12: Rollback, Shadow Deployment, and Canary Models13Chapter 13: Track and Compare Model Experiments14Chapter 14: Deploy a Model to Kubernetes15Chapter 15: Build a Model Monitoring Dashboard16Chapter 16: Operate a Safe Model Release Process17Appendix E: Deeper Practice and Extra Examples
Rezensionen
Noch keine freigegebenen Rezensionen sichtbar.
Empfohlene Bücher
Diskussion
0 KommentareNoch keine freigegebenen Kommentare sichtbar. Neue Antworten können moderiert werden.