Marcin Mazureknarzędzia online · artykuły · księgarniaRSS
Okładka: MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego

MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego

Autor: Mark Treveil, the Dataiku Team

Tłumacz: Piotr Rajca

Helionbestsellerebook

35,19 zł 69,00 zł -49%

Kup w księgarni Helion

Czytaj fragmentPobierz PDF

Kategorie
CI/CD, Inżynieria AI, Machine Learning
Wydawca
Helion
Rodzaj
ebook
Format
165x235
Stron
168
Data wydania
2026-08-17
ISBN
978-83-289-3904-2
Tytuł oryginału
Introducing MLOps: How to Scale Machine Learning in the Enterprise
Formaty
PDF (4,8MB) · ePub (5,3MB) · Mobi (5,3MB)

Fragment książki — 26 stron

Kliknij stronę, żeby powiększyć. Całość możesz przeczytać online albo pobrać jako PDF. Fragment udostępniony przez wydawcę.

  • Fragment „MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego” — strona 1 z 261
  • Fragment „MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego” — strona 2 z 262
  • Fragment „MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego” — strona 3 z 263
  • Fragment „MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego” — strona 4 z 264
  • Fragment „MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego” — strona 5 z 265
  • Fragment „MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego” — strona 6 z 266
  • Fragment „MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego” — strona 7 z 267
  • Fragment „MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego” — strona 8 z 268
  • Fragment „MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego” — strona 9 z 269
  • Fragment „MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego” — strona 10 z 2610
  • Fragment „MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego” — strona 11 z 2611
  • Fragment „MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego” — strona 12 z 2612
  • Fragment „MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego” — strona 13 z 2613
  • Fragment „MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego” — strona 14 z 2614
  • Fragment „MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego” — strona 15 z 2615
  • Fragment „MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego” — strona 16 z 2616
  • Fragment „MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego” — strona 17 z 2617
  • Fragment „MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego” — strona 18 z 2618
  • Fragment „MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego” — strona 19 z 2619
  • Fragment „MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego” — strona 20 z 2620
  • Fragment „MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego” — strona 21 z 2621
  • Fragment „MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego” — strona 22 z 2622
  • Fragment „MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego” — strona 23 z 2623
  • Fragment „MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego” — strona 24 z 2624
  • Fragment „MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego” — strona 25 z 2625
  • Fragment „MLOps dla biznesu. Wdrażanie i skalowanie modeli uczenia maszynowego” — strona 26 z 2626

Opis

Praktyczny przewodnik po skalowaniu AI w przedsiębiorstwach

MLOps (ang. machine learning operations) to jedna z najszybciej rozwijających się dziedzin IT, łącząca uczenie maszynowe z praktykami DevOps. W erze cyfrowej transformacji, gdy organizacje coraz częściej wdrażają modele AI w środowiskach produkcyjnych, potrzeba skutecznego zarządzania cyklem życia modeli uczenia maszynowego staje się kluczowa. Książka MLOps dla biznesu odpowiada na rosnące zapotrzebowanie rynku na praktyczne przewodniki po tej złożonej tematyce, oferując kompleksowe podejście do skalowania rozwiązań AI w przedsiębiorstwach.

Autorzy prezentują pełny cykl życia modeli uczenia maszynowego od tworzenia i walidacji, przez wdrażanie w środowisku produkcyjnym, po monitorowanie i zarządzanie. Szczegółowo omawiają kluczowe aspekty MLOps: automatyzację potoków CI/CD, strategie wdrażania, wykrywanie dryfu danych, zarządzanie ryzykiem i odpowiedzialną sztuczną inteligencję. Praktyczne studium przypadków z różnych branż od finansów po energetykę ilustruje rzeczywiste wyzwania i rozwiązania, z jakimi mierzą się zespoły implementujące MLOps na dużą skalę.

  • Kompleksowy przegląd metodologii MLOps i jej kluczowych komponentów
  • Praktyczne strategie wdrażania modeli w środowiskach produkcyjnych
  • Techniki monitorowania wydajności modeli i wykrywania dryfu danych
  • Zarządzanie ryzykiem i aspekty odpowiedzialnej sztucznej inteligencji
  • Rzeczywiste studia przypadków z branży finansowej, marketingu i energetyki
  • Najlepsze praktyki w zakresie automatyzacji i skalowania rozwiązań uczenia maszynowego
  • Współpraca między zespołami data science, DevOps i biznesowymi

Mark Treveil i zespół Dataiku to uznani eksperci w dziedzinie uczenia maszynowego i analizy danych. Mają wieloletnie doświadczenie w projektowaniu i wdrażaniu rozwiązań AI w różnych branżach od telekomunikacji po energetykę. Zespół Dataiku, wiodącej platformy do nauki o danych, regularnie publikuje treści edukacyjne i prowadzi szkolenia dla specjalistów z całego świata.

Linki do księgarni są linkami partnerskimi Grupy Helion i Księgarni PWN (przez sieć Adtraction). Ceny i dostępność pochodzą z oferty wydawcy i mogą się zmienić.