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 8. Aufbau skalierbarer Deep Learning- undgroßer Sprachmodellprojekte

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

Deep Learning (DL) ist ein Teilbereich des maschinellen Lernens, der von der Struktur und Funktionsweise des menschlichen Gehirns inspiriert ist. Beim Deep Learning verarbeiten neuronale Netze, die aus miteinander verbundenen Schichten künstlicher Neuronen bestehen, Daten hierarchisch und können komplexe Muster in Daten erfassen. Jede Schicht lernt und transformiert die Eingabedaten und erfasst schrittweise höhere Merkmale und Abstraktionen.

Beim DL-Trainingsprozess wird das neuronale Netz mit markierten Daten gefüttert und die Gewichte und Vorspannungen der Neuronen iterativ angepasst. Es kann die Abhängigkeit von manuellem Feature-Engineering verringern und in verschiedenen Bereichen wie Computer Vision, natürliche Sprachverarbeitung, Spracherkennung und Reinforcement Learning beeindruckende Ergebnisse erzielen.

DL-Technologien verändern die Welt mit Innovationen wie Transformatoren, generativer KI, ChatGPT und mehr. Darüber hinaus können größere und intelligentere Basismodelle menschenähnliche Aufgaben erfüllen, Inhalte generieren und verstehen und vieles mehr.

Die Arbeit mit und die Entwicklung von Deep-Learning-Modellen bringen zusätzliche operative Komplexität und Skalierungsherausforderungen mit sich. Hier kommt MLOps ins Spiel und hilft, die Komplexität zu vereinfachen ...

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