Agile Machine Learning / Carter, Eric  

Público ISBD Ningún comentario para este título. Título : Agile Machine Learning : Effective Machine Learning Inspired by the Agile Manifesto Tipo de documento: documento electrónico Autores: Carter, Eric, ; Hurst, Matthew, Mención de edición: 1 ed. Editorial: Berkeley, CA : Apress Fecha de publicación: 2019 Número de páginas: XVII, 248 p. 35 ilustraciones ISBN/ISSN/DL: 978-1-4842-5107-2 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: programas de microsoft  NET Framework microsoft  Ingeniería de software  Grandes datos  microsoft Clasificación: 5.268 Resumen: Cree equipos resilientes de aprendizaje automático aplicado que ofrezcan mejores productos de datos mediante la adaptación de los principios rectores del Manifiesto Ágil. Reunir a personas con talento para crear un gran equipo de aprendizaje automático aplicado no es tarea fácil. Dado que los desarrolladores y los científicos de datos aportan experiencia en sus respectivos campos, la comunicación por sí sola puede ser un desafío. Agile Machine Learning le enseña cómo ofrecer productos de datos superiores a través de procesos ágiles y a aprender, con el ejemplo, cómo organizar y gestionar un equipo de ritmo rápido que tiene el desafío de resolver problemas de datos novedosos a escala, en un entorno de producción. El enfoque de los autores modela los innovadores principios de ingeniería descritos en el Agile Manifesto. El libro proporciona más contexto y contrasta los principios originales con los requisitos de los sistemas que entregan un producto de datos. Lo que aprenderá: Dirija de manera efectiva un equipo de ingeniería de datos que esté enfocado en métricas, en experimentos y en datos. Tome decisiones acertadas de implementación y exploración de modelos basadas en los datos y las métricas. Conozca la importancia de revolcarse en los datos: analizar datos en tiempo real. tiempo en un entorno grupal Reconocer el valor de poder medir siempre objetivamente su estado actual Comprender la alfabetización en datos, un atributo clave de un ingeniero de datos confiable, desde las definiciones hasta las expectativas Este libro es para cualquier persona que administre un equipo de aprendizaje automático o sea responsable para crear componentes de inferencia listos para producción. Cualquier persona responsable del flujo de trabajo del proyecto de datos de datos de muestreo; etiquetar, capacitar, probar, mejorar y mantener modelos; y las métricas de sistemas y datos también encontrarán útil este libro. Los lectores deben estar familiarizados con la ingeniería de software y comprender los conceptos básicos del aprendizaje automático y el trabajo con datos. Nota de contenido: Chapter 1: Early Delivery -- Chapter 2: Changing Requirements -- Chapter 3: Continuous Delivery -- Chapter 4: Aligning with the Business -- Chapter 5: Motivated Individuals -- Chapter 6: Effective Communication -- Chapter 7: Monitoring -- Chapter 8: Sustainable Development -- Chapter 9: Technical Excellence -- Chapter 10 Simplicity -- Chapter 11: Self-organizing Teams -- Chapter 12: Tuning and Adjusting -- Chapter 13: Conclusion. Tipo de medio : Computadora Summary : Build resilient applied machine learning teams that deliver better data products through adapting the guiding principles of the Agile Manifesto. Bringing together talented people to create a great applied machine learning team is no small feat. With developers and data scientists both contributing expertise in their respective fields, communication alone can be a challenge. Agile Machine Learning teaches you how to deliver superior data products through agile processes and to learn, by example, how to organize and manage a fast-paced team challenged with solving novel data problems at scale, in a production environment. The authors' approach models the ground-breaking engineering principles described in the Agile Manifesto. The book provides further context, and contrasts the original principles with the requirements of systems that deliver a data product. What You'll Learn: Effectively run a data engineering teamthat is metrics-focused, experiment-focused, and data-focused Make sound implementation and model exploration decisions based on the data and the metrics Know the importance of data wallowing: analyzing data in real time in a group setting Recognize the value of always being able to measure your current state objectively Understand data literacy, a key attribute of a reliable data engineer, from definitions to expectations This book is for anyone who manages a machine learning team, or is responsible for creating production-ready inference components. Anyone responsible for data project workflow of sampling data; labeling, training, testing, improving, and maintaining models; and system and data metrics will also find this book useful. Readers should be familiar with software engineering and understand the basics of machine learning and working with data. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Agile Machine Learning : Effective Machine Learning Inspired by the Agile Manifesto [documento electrónico] / Carter, Eric, ; Hurst, Matthew,  . -  1 ed.  . - Berkeley, CA : Apress, 2019 . - XVII, 248 p. 35 ilustraciones. ISBN : 978-1-4842-5107-2 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: programas de microsoft  NET Framework microsoft  Ingeniería de software  Grandes datos  microsoft Clasificación: 5.268 Resumen: Cree equipos resilientes de aprendizaje automático aplicado que ofrezcan mejores productos de datos mediante la adaptación de los principios rectores del Manifiesto Ágil. Reunir a personas con talento para crear un gran equipo de aprendizaje automático aplicado no es tarea fácil. Dado que los desarrolladores y los científicos de datos aportan experiencia en sus respectivos campos, la comunicación por sí sola puede ser un desafío. Agile Machine Learning le enseña cómo ofrecer productos de datos superiores a través de procesos ágiles y a aprender, con el ejemplo, cómo organizar y gestionar un equipo de ritmo rápido que tiene el desafío de resolver problemas de datos novedosos a escala, en un entorno de producción. El enfoque de los autores modela los innovadores principios de ingeniería descritos en el Agile Manifesto. El libro proporciona más contexto y contrasta los principios originales con los requisitos de los sistemas que entregan un producto de datos. Lo que aprenderá: Dirija de manera efectiva un equipo de ingeniería de datos que esté enfocado en métricas, en experimentos y en datos. Tome decisiones acertadas de implementación y exploración de modelos basadas en los datos y las métricas. Conozca la importancia de revolcarse en los datos: analizar datos en tiempo real. tiempo en un entorno grupal Reconocer el valor de poder medir siempre objetivamente su estado actual Comprender la alfabetización en datos, un atributo clave de un ingeniero de datos confiable, desde las definiciones hasta las expectativas Este libro es para cualquier persona que administre un equipo de aprendizaje automático o sea responsable para crear componentes de inferencia listos para producción. Cualquier persona responsable del flujo de trabajo del proyecto de datos de datos de muestreo; etiquetar, capacitar, probar, mejorar y mantener modelos; y las métricas de sistemas y datos también encontrarán útil este libro. Los lectores deben estar familiarizados con la ingeniería de software y comprender los conceptos básicos del aprendizaje automático y el trabajo con datos. Nota de contenido: Chapter 1: Early Delivery -- Chapter 2: Changing Requirements -- Chapter 3: Continuous Delivery -- Chapter 4: Aligning with the Business -- Chapter 5: Motivated Individuals -- Chapter 6: Effective Communication -- Chapter 7: Monitoring -- Chapter 8: Sustainable Development -- Chapter 9: Technical Excellence -- Chapter 10 Simplicity -- Chapter 11: Self-organizing Teams -- Chapter 12: Tuning and Adjusting -- Chapter 13: Conclusion. Tipo de medio : Computadora Summary : Build resilient applied machine learning teams that deliver better data products through adapting the guiding principles of the Agile Manifesto. Bringing together talented people to create a great applied machine learning team is no small feat. With developers and data scientists both contributing expertise in their respective fields, communication alone can be a challenge. Agile Machine Learning teaches you how to deliver superior data products through agile processes and to learn, by example, how to organize and manage a fast-paced team challenged with solving novel data problems at scale, in a production environment. The authors' approach models the ground-breaking engineering principles described in the Agile Manifesto. The book provides further context, and contrasts the original principles with the requirements of systems that deliver a data product. What You'll Learn: Effectively run a data engineering teamthat is metrics-focused, experiment-focused, and data-focused Make sound implementation and model exploration decisions based on the data and the metrics Know the importance of data wallowing: analyzing data in real time in a group setting Recognize the value of always being able to measure your current state objectively Understand data literacy, a key attribute of a reliable data engineer, from definitions to expectations This book is for anyone who manages a machine learning team, or is responsible for creating production-ready inference components. Anyone responsible for data project workflow of sampling data; labeling, training, testing, improving, and maintaining models; and system and data metrics will also find this book useful. Readers should be familiar with software engineering and understand the basics of machine learning and working with data. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200