Kapitel 2. MLOps-Grundlagen
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Die medizinische Schule war eine bedauernswerte Erfahrung, eine endlose Litanei von Fakten, deren Ursprung selten erklärt und deren Nutzen selten begründet wurde. Meine Abneigung gegen das Auswendiglernen und meine hinterfragende Haltung wurden von den meisten der 96 Studenten nicht geteilt. Das wurde besonders deutlich, als ein Biochemie-Dozent behauptete, die Nernst-Gleichung abzuleiten. Die Klasse schrieb getreulich ab, was er an die Tafel schrieb. Da ich erst ein Jahr zuvor den Pchem-Kurs für Chemiestudenten an der UCLA belegt hatte, dachte ich, er würde bluffen.
"Woher hast du diesen Wert für k?" fragte ich.
Die Klasse hat mich niedergeschrien: "Lass ihn ausreden! Schreib es einfach ab."
Dr. Joseph Bogen
Eine solide Grundlage zu haben, auf der man aufbauen kann, ist für jedes technische Unterfangen entscheidend. In diesem Kapitel werden einige wichtige Bausteine vorgestellt, die die Grundlage für den Rest des Buches bilden. Wenn ich mit Lernenden zu tun habe, die neu in den Bereichen Data Science und maschinelles Lernen sind, stoße ich häufig auf falsche Vorstellungen über die in diesem Kapitel behandelten Themen. Dieses Kapitel zielt darauf ab, eine solide Grundlage für die Anwendung von MLOps-Methoden zu schaffen.
Bash und die Linux-Kommandozeile
Der Großteil des maschinellen Lernens findet in ...
Get Praktische MLOps now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
