Skip to Main Content
Implementierung von MLOps im Unternehmen
book

Implementierung von MLOps im Unternehmen

by Yaron Haviv, Noah Gift
September 2024
Intermediate to advanced content levelIntermediate to advanced
380 pages
10h 22m
German
O'Reilly Media, Inc.
Book available
Content preview from Implementierung von MLOps im Unternehmen

Kapitel 1. MLOps: Was ist das und warum brauchen wir es?

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com

Die Wurzel ineffizienter Systeme ist ein zusammenhängendes Netz von Fehlentscheidungen, die sich im Laufe der Zeit verstärken. Es ist verlockend, nach einem Patentrezept für ein System zu suchen, das nicht gut funktioniert, aber diese Strategie zahlt sich selten, wenn überhaupt, aus. Nehmen wir den menschlichen Körper: Es gibt viele schnelle Lösungen, die dich gesund machen sollen, aber die Lösung für eine lange Lebensdauer erfordert einen systematischen Ansatz.1

Auch an Ratschlägen zum "schnell reich werden" mangelt es nicht. Auch hier widersprechen die Daten dem, was wir hören wollen. In Don't Trust Your Bauch (HarperCollins, 2022) zeigt Seth Stephens-Davidowitz, dass 84 % der 0,1 % der Topverdiener zumindest etwas Geld aus dem Besitz eines Unternehmens erhalten. Außerdem liegt das Durchschnittsalter von Unternehmensgründern bei 42 Jahren, und einige der erfolgreichsten Unternehmen sind Immobilien- oder Autohändler. Das sind keine Schnellschussgeschäfte, sondern Geschäfte, die viel Geschick, Fachwissen und Lebenserfahrung erfordern.

Städte sind ein weiteres Beispiel für komplexe Systeme, für die es keine Patentrezepte gibt. WalletHub hat eine Liste der am besten verwalteten Städte in Amerika erstellt. San Francisco liegt auf Platz 149 von 150, obwohl es viele theoretische Vorteile gegenüber ...

Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Start your free trial

You might also like

Praktische Auflösung von Entitäten

Praktische Auflösung von Entitäten

Michael Shearer
Maschinelles Lernen für hochriskante Anwendungen

Maschinelles Lernen für hochriskante Anwendungen

Patrick Hall, James Curtis, Parul Pandey
Zuverlässiges maschinelles Lernen

Zuverlässiges maschinelles Lernen

Cathy Chen, Niall Richard Murphy, Kranti Parisa, D. Sculley, Todd Underwood
Praktisches maschinelles Lernen für Computer Vision

Praktisches maschinelles Lernen für Computer Vision

Valliappa Lakshmanan, Martin Görner, Ryan Gillard

Publisher Resources

ISBN: 9781098184735Supplemental Content