High Performance Python, 2. Auflage

Kapitel 12. Lektionen aus der Praxis

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

Fragen, die du nach diesem Kapitel beantworten kannst

• Wie gehen erfolgreiche Start-ups mit großen Datenmengen und maschinellem Lernen um?

• Welche Überwachungs- und Bereitstellungstechnologien sorgen für stabile Systeme?

• Welche Lektionen haben erfolgreiche CTOs über ihre Technologien und Teams gelernt?

• Wie weit kann PyPy eingesetzt werden?

In diesem Kapitel haben wir Geschichten von erfolgreichen Unternehmen gesammelt, die Python in Situationen mit hohem Datenaufkommen und hoher Geschwindigkeit einsetzen. Die Geschichten wurden von wichtigen Personen in den jeweiligen Unternehmen geschrieben, die über viele Jahre Erfahrung verfügen; sie teilen nicht nur ihre Technologieentscheidungen, sondern auch einige ihrer hart erarbeiteten Weisheiten. Wir haben vier großartige neue Geschichten von anderen Experten in unserem Bereich für dich. Wir haben auch die "Lessons from the Field" aus der ersten Ausgabe dieses Buches beibehalten; ihre Titel sind mit "(2014)" gekennzeichnet.

Rationalisierung von Feature Engineering Pipelines mitFeature-engine

Soledad Galli (trainindata.com)

Soledad Galli ist die leitende Datenwissenschaftlerin und Gründerin von Train in Data. Sie hat Erfahrung im Finanz- und Versicherungswesen, erhielt 2018 einen Data Leadership Award und wurde 2019 von LinkedIn zu einer der "Top Voices" ...