Forvandle maskinlæringsprosjektene dine til vellykkede lanseringer med denne praktiske guiden som viser deg hvordan du bygger og skalere løsninger for å løse virkelige problemer. Denne andre utgaven inkluderer et nytt kapittel om generativ AI og store språkmodeller (LLMs), samt hvordan man bygger en pipeline som utnytter LLMs ved bruk av LangChain. Boken dykker dypere inn i sentrale emner innen maskinlæring, kontinuerlig integrasjon og distribusjon (CI/CD), samt systemdesign. Utforsk hovedpraksiser innen MLOps, som modellhåndtering og ytelsessporing. Lær å bygge eksempler på samlede, distribuerbare ML mikrotjenester og pipelines ved hjelp av AWS og åpne verktøy. Den andre utgaven av "Machine Learning Engineering with Python" er den praktiske guiden som MLOps og ML-ingeniører trenger for å utvikle løsninger på reelle utfordringer. Den gir deg ferdighetene du trenger for å holde deg foran i dette raskt utviklende feltet. Boken baserer seg på et eksempler-basert tilnærming for å hjelpe deg med å utvikle dine ferdigheter, og dekker de tekniske konseptene og implementeringsmønstrene på en lettfattelig måte.
