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 3. Erste Schritte mit deinemersten MLOps-Projekt

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

Wenn du es kaum erwarten kannst, mit dem Aufbau deines MLOps-Projekts und deiner Pipelines zu beginnen, bist du im richtigen Kapitel. Überraschenderweise (oder auch nicht, wenn du das Buch bisher aufmerksam gelesen hast) brauchst du für den ersten Schritt weder ein Notebook noch eine IDE. Stattdessen brauchst du ein Gespräch mit den Entscheidungsträgern in deinem Unternehmen. KI und ML eröffnen neue technologische Möglichkeiten, aber außerhalb der akademischen Welt müssen sie mit einem geschäftlichen Anwendungsfall verbunden werden. Das ist es, was sie für die Menschen wertvoll macht. Deshalb musst du als Erstes den geschäftlichen Anwendungsfall herausfinden, der dein Projekt rechtfertigt, sowie die Ziele und den erwarteten ROI.

Wenn die geschäftliche Seite geklärt ist, ist es Zeit, an deinen Computer zu gehen. Aber öffne dein Notizbuch noch nicht. Der nächste Schritt besteht darin, das ML-Projekt zu planen. Dazu gehören die benötigten Ressourcen, die ablaufenden Prozesse, das Prototyping der Lösung, die Pipelinestruktur und das Design. Sobald diese Komponenten genehmigt sind, ist es endlich an der Zeit, deine ML-Pipeline zu entwickeln. In diesem Kapitel gehen wir auf jede dieser Phasen im Detail ein.

Identifizierung des Anwendungsfalls und der Ziele des Unternehmens

KI verändert die Unternehmen ...

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