Aufbau von Pipelines für maschinelles Lernen

Vorwort

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Maschinelles Lernen ist in aller Munde. Es hat sich von einer akademischen Disziplin zu einer der spannendsten Technologien überhaupt entwickelt. Vom Verstehen von Videoübertragungen in selbstfahrenden Autos bis hin zur Personalisierung von Medikamenten - maschinelles Lernen wird in allen Branchen immer wichtiger. Während den Modellarchitekturen und Konzepten viel Aufmerksamkeit geschenkt wurde, hat das maschinelle Lernen noch nicht die Standardisierung der Prozesse durchlaufen, die die Softwarebranche in den letzten zwei Jahrzehnten erlebt hat. In diesem Buch möchten wir dir zeigen, wie du ein standardisiertes maschinelles Lernsystem aufbauen kannst, das automatisiert ist und zu reproduzierbaren Modellen führt.

Was sind Machine Learning Pipelines?

In den letzten Jahren waren die Entwicklungen im Bereich des maschinellen Lernens erstaunlich. Mit der breiten Verfügbarkeit von Grafikprozessoren (GPUs) und dem Aufkommen neuer Deep Learning-Konzepte wie Transformers wie BERT oder Generative Adversarial Networks (GANs) wie Deep Convolutional GANs ist die Zahl der KI-Projekte in die Höhe geschnellt. Die Zahl der KI-Startups ist enorm. Unternehmen wenden die neuesten Konzepte des maschinellen Lernens zunehmend auf alle Arten von Geschäftsproblemen an. In diesem Wettlauf um die leistungsfähigste maschinelle Lernlösung haben wir einige Dinge beobachtet, ...