Апгрейд машинного обучения. Руководство по MLOps, LLMs и инфраструктуре ML для дата-сайентистов – Керер Кристен, Кайзер Калеб – Эксмо – 2026 – ISBN 978-5-04-201416-1
Апгрейд машинного обучения. Руководство по MLOps, LLMs и инфраструктуре ML для дата-сайентистов
19.99 €
В наличии
Апгрейд машинного обучения. Руководство по MLOps, LLMs и инфраструктуре ML для дата-сайентистов
19.99 €
«Руководство по MLOps, LLMs и инфраструктуре ML для дата-сайентистов»
Эпоха разрозненных команд аналитиков и разработчиков ушла. Сегодня большие языковые модели (LLM) — это фундамент бизнеса. Как превратить мощь нейросетей в надежные, масштабируемые продукты?
Ведущие эксперты отрасли представляют комплексную платформу для создания приложений на базе искусственного интеллекта. Отслеживая создание реального продукта от идеи до внедрения, вы освоите современный MLOps-конвейер.
Внутри:
- От теории к практике: сквозной пример разработки приложения на основе LLM с нуля;
- Индустриальный стандарт: версионирование данных, отслеживание экспериментов (MLflow) и мониторинг моделей в проде;
- Ответственный ИИ: этические аспекты интеграции алгоритмов и управление неструктурированными данными;
- Бизнес-ценность: стратегии бесшовного встраивания LLM в корпоративную инфраструктуру;
- Жизненный цикл: методы переобучения систем на новых данных без остановки сервиса.
Эта книга изменит ваше представление о конвейере обработки данных. Перестаньте воспринимать машинное обучение как набор инструментов — начните строить целостные системы, которые формируют будущее вашего бизнеса.
Эпоха разрозненных команд аналитиков и разработчиков ушла. Сегодня большие языковые модели (LLM) — это фундамент бизнеса. Как превратить мощь нейросетей в надежные, масштабируемые продукты?
Ведущие эксперты отрасли представляют комплексную платформу для создания приложений на базе искусственного интеллекта. Отслеживая создание реального продукта от идеи до внедрения, вы освоите современный MLOps-конвейер.
Внутри:
- От теории к практике: сквозной пример разработки приложения на основе LLM с нуля;
- Индустриальный стандарт: версионирование данных, отслеживание экспериментов (MLflow) и мониторинг моделей в проде;
- Ответственный ИИ: этические аспекты интеграции алгоритмов и управление неструктурированными данными;
- Бизнес-ценность: стратегии бесшовного встраивания LLM в корпоративную инфраструктуру;
- Жизненный цикл: методы переобучения систем на новых данных без остановки сервиса.
Эта книга изменит ваше представление о конвейере обработки данных. Перестаньте воспринимать машинное обучение как набор инструментов — начните строить целостные системы, которые формируют будущее вашего бизнеса.
Смотрите также:
- Все книги издательства
- Все книги автора
- Все книги серии Мировой компьютерный бестселлер