Stan książek
Nasze książki są dokładnie sprawdzone i jasno określamy stan każdej z nich.
Nowa
Książka nowa.
Używany - jak nowa
Niezauważalne lub prawie niezauważalne ślady używania. Książkę ciężko odróżnić od nowej pozycji.
Używany - dobry
Normalne ślady używania wynikające z kartkowania podczas czytania, brak większych uszkodzeń lub zagięć.
Używany - widoczne ślady użytkowania
zagięte rogi, przyniszczona okładka, książka posiada wszystkie strony.
Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego
Masz tę lub inne książki?
Sprzedaj je u nas
Amazon Web Services to jedna z najpopularniejszych i najrozleglejszych platform oferujących usługi chmurowe. Bogactwo narzędzi dostępnych na tej platformie znacząco wspiera projekty związane z inżynierią danych i analizą za pomocą uczenia maszynowego. Inżynierowie danych, architekci systemów oraz menedżerowie mogą korzystać z tych narzędzi, aby skuteczniej wykorzystywać dane do podejmowania istotnych decyzji biznesowych. Skuteczne wykorzystanie możliwości, jakie oferują te usługi, wymaga jednak dokładnego zrozumienia ich funkcji oraz sposobu ich implementacji.
Ten przewodnik praktyczny pozwala na szybkie opanowanie umiejętności uruchamiania procesów w chmurze oraz integracji wyników z różnorodnymi aplikacjami. Omówione są w nim scenariusze zastosowania technologii sztucznej inteligencji, w tym przetwarzania języka naturalnego, rozpoznawania obrazów i detekcji oszustw. Książka pokazuje także, jak wykorzystywać narzędzia AWS w kontekście wychwytywania anomalii danych w czasie rzeczywistym, a także jak automatyzować powtarzalne cykle rozwoju modeli i procedur MLOps poprzez analizę oraz przetwarzanie danych.
Przewodnik porusza również kwestię zabezpieczeń, omawiając zastosowanie usługi IAM, uwierzytelnienie i autoryzację, a także techniki izolacji sieci i szyfrowania danych. Znajdziesz w nim także wskazówki dotyczące implementacji szyfrowania postkwantowego dla ochrony danych w tranzycie.
Szczególne obszary tematyczne to:
- Narzędzia AWS dla sztucznej inteligencji i uczenia maszynowego
- Kompleksowe cykle rozwoju modeli NLP
- Automatyzacja potoków MLOps
- Uczenie maszynowe w czasie rzeczywistym
- Analiza i wykrywanie anomalii w strumieniach danych
- Techniki zabezpieczania projektów z zakresu inżynierii danych
Implementacja efektywnego procesu uczenia maszynowego może być wyzwaniem, zwłaszcza w kontekście różnorodności dostępnych technologii. Autorzy tego przewodnika dostarczyli kompleksowego wsparcia zarówno dla nowicjuszy, jak i zaawansowanych użytkowników, pokazując, jak maksymalnie wykorzystać możliwości usług oferowanych przez AWS.
Wybierz stan zużycia:
WIĘCEJ O SKALI
Amazon Web Services to jedna z najpopularniejszych i najrozleglejszych platform oferujących usługi chmurowe. Bogactwo narzędzi dostępnych na tej platformie znacząco wspiera projekty związane z inżynierią danych i analizą za pomocą uczenia maszynowego. Inżynierowie danych, architekci systemów oraz menedżerowie mogą korzystać z tych narzędzi, aby skuteczniej wykorzystywać dane do podejmowania istotnych decyzji biznesowych. Skuteczne wykorzystanie możliwości, jakie oferują te usługi, wymaga jednak dokładnego zrozumienia ich funkcji oraz sposobu ich implementacji.
Ten przewodnik praktyczny pozwala na szybkie opanowanie umiejętności uruchamiania procesów w chmurze oraz integracji wyników z różnorodnymi aplikacjami. Omówione są w nim scenariusze zastosowania technologii sztucznej inteligencji, w tym przetwarzania języka naturalnego, rozpoznawania obrazów i detekcji oszustw. Książka pokazuje także, jak wykorzystywać narzędzia AWS w kontekście wychwytywania anomalii danych w czasie rzeczywistym, a także jak automatyzować powtarzalne cykle rozwoju modeli i procedur MLOps poprzez analizę oraz przetwarzanie danych.
Przewodnik porusza również kwestię zabezpieczeń, omawiając zastosowanie usługi IAM, uwierzytelnienie i autoryzację, a także techniki izolacji sieci i szyfrowania danych. Znajdziesz w nim także wskazówki dotyczące implementacji szyfrowania postkwantowego dla ochrony danych w tranzycie.
Szczególne obszary tematyczne to:
- Narzędzia AWS dla sztucznej inteligencji i uczenia maszynowego
- Kompleksowe cykle rozwoju modeli NLP
- Automatyzacja potoków MLOps
- Uczenie maszynowe w czasie rzeczywistym
- Analiza i wykrywanie anomalii w strumieniach danych
- Techniki zabezpieczania projektów z zakresu inżynierii danych
Implementacja efektywnego procesu uczenia maszynowego może być wyzwaniem, zwłaszcza w kontekście różnorodności dostępnych technologii. Autorzy tego przewodnika dostarczyli kompleksowego wsparcia zarówno dla nowicjuszy, jak i zaawansowanych użytkowników, pokazując, jak maksymalnie wykorzystać możliwości usług oferowanych przez AWS.
