Your email was sent successfully. Check your inbox.

An error occurred while sending the email. Please try again.

Proceed reservation?

Export
  • 1
    Online Resource
    Online Resource
    Jissen AWS dēta saiensu : endo tsū endo no MLOps paipurain jissō (2021)
    Tōkyō-to Shinjuku-ku : Orairī Japan
    Details
    Orig.schr. Ausgabe: 初版.
    Title: 実践AWSデータサイエンス : : エンドツーエンドのMLOpsパイプライン実装 /
    Publisher: オライリー・ジャパン,
    ISBN: 9784873119687 , 4873119685
    Language: Japanese
    Pages: 1 online resource (570 pages)
    Edition: Shohan.
    Uniform Title: Data science on AWS
    DDC: 004.6782
    Keywords: Amazon Web Services (Firm) ; Machine learning ; Cloud computing ; Data mining ; Business Data processing ; Management Data processing ; Amazon Web Services (Firm) ; Business ; Data processing ; Cloud computing ; Data mining ; Machine learning ; Management ; Data processing
    Note: In Japanese.
    URL: lizenzpflichtig
    Library Location Call Number Volume/Issue/Year Availability
    BibTip Others were also interested in ...
    Online Resource
    MPI Ethno. Forsch.
  • 2
    Online Resource
    Online Resource
    Data Science mit AWS : end-to-end pipelines für continuous machine learning implementieren (2022)
    Heidelberg : dpunkt
    Details
    Language: German
    Pages: 1 online resource (550 pages) , illustrations
    Edition: 1. Auflage.
    Uniform Title: Data science on AWS
    DDC: 006.3/1
    Keywords: Amazon Web Services (Firm) ; Machine learning ; Cloud computing ; Web services ; Artificial intelligence ; Artificial Intelligence ; Apprentissage automatique ; Infonuagique ; Services Web ; Intelligence artificielle ; artificial intelligence ; Electronic books
    Abstract: Mit diesem Buch lernen Machine-Learning- und KI-Praktiker, wie sie erfolgreich Data-Science-Projekte mit Amazon Web Services erstellen und in den produktiven Einsatz bringen. Es bietet einen detaillierten Einblick in den KI- und Machine-Learning-Stack von Amazon, der Data Science, Data Engineering und Anwendungsentwicklung vereint. Chris Fregly und Antje Barth beschreiben verständlich und umfassend, wie Sie das breite Spektrum an AWS-Tools nutzbringend für Ihre ML-Projekte einsetzen. Der praxisorientierte Leitfaden zeigt Ihnen konkret, wie Sie ML-Pipelines in der Cloud erstellen und die Ergebnisse dann innerhalb von Minuten in Anwendungen integrieren. Sie erfahren, wie Sie alle Teilschritte eines Workflows zu einer wiederverwendbaren MLOps-Pipeline bündeln, und Sie lernen zahlreiche reale Use Cases zum Beispiel aus den Bereichen Natural Language Processing, Computer Vision oder Betrugserkennung kennen. Im gesamten Buch wird zudem erläutert, wie Sie Kosten senken und die Performance Ihrer Anwendungen optimieren können.
    Note: Includes bibliographical references and index
    URL: lizenzpflichtig
    Library Location Call Number Volume/Issue/Year Availability
    BibTip Others were also interested in ...
    Online Resource
    MPI Ethno. Forsch.
  • 3
    Online Resource
    Online Resource
    Inżynieria danych na platformie AWS : jak tworzyć kompletne potoki uczenia maszynowego (2021)
    Gliwice : Helion
    Details
    ISBN: 9788328391291 , 8328391295
    Language: Polish
    Pages: 1 online resource (472 pages) , illustrations
    Edition: [First edition].
    Uniform Title: Data science on AWS
    DDC: 006.3
    Keywords: Amazon Web Services (Firm) ; Machine learning ; Cloud computing ; Data mining ; Business Data processing ; Management Data processing
    Abstract: Platforma Amazon Web Services jest uważana za największą i najbardziej dojrzałą chmurę obliczeniową. Zapewnia bogaty zestaw specjalistycznych narzędzi ułatwiających realizację projektów z zakresu inżynierii danych i uczenia maszynowego. W ten sposób inżynierowie danych, architekci i menedżerowie mogą szybko zacząć używać danych do podejmowania kluczowych decyzji biznesowych. Uzyskanie optymalnej efektywności pracy takich projektów wymaga jednak dobrego rozeznania w możliwościach poszczególnych narzędzi, usług i bibliotek. Dzięki temu praktycznemu przewodnikowi szybko nauczysz się tworzyć i uruchamiać procesy w chmurze, a następnie integrować wyniki z aplikacjami. Zapoznasz się ze scenariuszami stosowania technik sztucznej inteligencji: przetwarzania języka naturalnego, rozpoznawania obrazów, wykrywania oszustw, wyszukiwania kognitywnego czy wykrywania anomalii w czasie rzeczywistym. Ponadto dowiesz się, jak łączyć cykle rozwoju modeli z pobieraniem i analizą danych w powtarzalnych potokach MLOps. W książce znajdziesz też zbiór technik zabezpieczania projektów i procesów z obszaru inżynierii danych, takich jak stosowanie usługi IAM, uwierzytelnianie, autoryzacja, izolacja sieci, szyfrowanie danych w spoczynku czy postkwantowe szyfrowanie sieci dla danych w tranzycie.
    URL: lizenzpflichtig
    Library Location Call Number Volume/Issue/Year Availability
    BibTip Others were also interested in ...
    Online Resource
    MPI Ethno. Forsch.
  • 4
    Online Resource
    Online Resource
    GENERATIVE AI ON AWS : building context-aware multimodal reasoning applications (2023)
    [Sebastopol, California] : O'Reilly Media, Inc.
    Details
    ISBN: 9781098159191 , 1098159195
    Language: English
    Pages: 1 online resource
    Edition: First edtion.
    Parallel Title: Erscheint auch als
    DDC: 006.3
    Keywords: Amazon Web Services (Firm) ; Artificial intelligence Computer programs ; Application software
    Abstract: Companies today are moving rapidly to integrate generative AI into their products and services. But there's a great deal of hype (and misunderstanding) about the impact and promise of this technology. With this book, Chris Fregly, Antje Barth, and Shelbee Eigenbrode from AWS help CTOs, ML practitioners, application developers, business analysts, data engineers, and data scientists find practical ways to use this exciting new technology. You'll learn the generative AI project life cycle including use case definition, model selection, model fine-tuning, retrieval-augmented generation, reinforcement learning from human feedback, and model quantization, optimization, and deployment. And you'll explore different types of models including large language models (LLMs) and multimodal models such as Stable Diffusion for generating images and Flamingo/IDEFICS for answering questions about images. Apply generative AI to your business use cases Determine which generative AI models are best suited to your task Perform prompt engineering and in-context learning Fine-tune generative AI models on your datasets with low-rank adaptation (LoRA) Align generative AI models to human values with reinforcement learning from human feedback (RLHF) Augment your model with retrieval-augmented generation (RAG) Explore libraries such as LangChain and ReAct to develop agents and actions Build generative AI applications with Amazon Bedrock.
    URL: lizenzpflichtig
    Library Location Call Number Volume/Issue/Year Availability
    BibTip Others were also interested in ...
    Online Resource
    MPI Ethno. Forsch.
Close ⊗
This website uses cookies and the analysis tool Matomo. More information can be found here...