Inżynieria danych na platformie AWS jak tworzyć kompletne potoki uczenia maszynowego
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 men...
Gespeichert in:
| Hauptverfasser: | , |
|---|---|
| Weitere Verfasser: | |
| Format: | Elektronisch E-Book |
| Sprache: | Polish |
| Veröffentlicht: |
Gliwice
Helion
[2022]
|
| Ausgabe: | [First edition]. |
| Schlagworte: | |
| Online-Zugang: | lizenzpflichtig |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
MARC
| LEADER | 00000cam a22000002 4500 | ||
|---|---|---|---|
| 001 | ZDB-30-ORH-093387466 | ||
| 003 | DE-627-1 | ||
| 005 | 20240228122012.0 | ||
| 007 | cr uuu---uuuuu | ||
| 008 | 230626s2021 xx |||||o 00| ||pol c | ||
| 020 | |a 9788328391291 |c electronic bk. |9 978-83-283-9129-1 | ||
| 020 | |a 8328391295 |c electronic bk. |9 83-283-9129-5 | ||
| 035 | |a (DE-627-1)093387466 | ||
| 035 | |a (DE-599)KEP093387466 | ||
| 035 | |a (ORHE)9788328391291 | ||
| 035 | |a (DE-627-1)093387466 | ||
| 040 | |a DE-627 |b ger |c DE-627 |e rda | ||
| 041 | |a pol | ||
| 082 | 0 | |a 006.3 |2 23/eng/20230613 | |
| 100 | 1 | |a Fregly, Chris |e VerfasserIn |4 aut | |
| 240 | 1 | 0 | |a Data science on AWS |
| 245 | 1 | 0 | |a Inżynieria danych na platformie AWS |b jak tworzyć kompletne potoki uczenia maszynowego |c Chris Fregly, Antje Barth ; przekład, Tomasz Walczak |
| 250 | |a [First edition]. | ||
| 264 | 1 | |a Gliwice |b Helion |c [2022] | |
| 300 | |a 1 online resource (472 pages) |b illustrations | ||
| 336 | |a Text |b txt |2 rdacontent | ||
| 337 | |a Computermedien |b c |2 rdamedia | ||
| 338 | |a Online-Ressource |b cr |2 rdacarrier | ||
| 520 | |a 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. | ||
| 610 | 1 | 0 | |a Amazon Web Services (Firm) |
| 650 | 0 | |a Machine learning | |
| 650 | 0 | |a Cloud computing | |
| 650 | 0 | |a Data mining | |
| 650 | 0 | |a Business |x Data processing | |
| 650 | 0 | |a Management |x Data processing | |
| 650 | 4 | |a Amazon Web Services (Firm) | |
| 650 | 4 | |a Apprentissage automatique | |
| 650 | 4 | |a Infonuagique | |
| 650 | 4 | |a Exploration de données (Informatique) | |
| 650 | 4 | |a Gestion ; Informatique | |
| 650 | 4 | |a Business ; Data processing | |
| 650 | 4 | |a Cloud computing | |
| 650 | 4 | |a Data mining | |
| 650 | 4 | |a Machine learning | |
| 650 | 4 | |a Management ; Data processing | |
| 700 | 1 | |a Barth, Antje |e VerfasserIn |4 aut | |
| 700 | 1 | |a Walczak, Tomasz |e ÜbersetzerIn |4 trl | |
| 856 | 4 | 0 | |l TUM01 |p ZDB-30-ORH |q TUM_PDA_ORH |u https://learning.oreilly.com/library/view/-/9788328391291/?ar |m X:ORHE |x Aggregator |z lizenzpflichtig |3 Volltext |
| 912 | |a ZDB-30-ORH | ||
| 951 | |a BO | ||
| 912 | |a ZDB-30-ORH | ||
| 049 | |a DE-91 | ||
Datensatz im Suchindex
| DE-BY-TUM_katkey | ZDB-30-ORH-093387466 |
|---|---|
| _version_ | 1818767379622002688 |
| adam_text | |
| any_adam_object | |
| author | Fregly, Chris Barth, Antje |
| author2 | Walczak, Tomasz |
| author2_role | trl |
| author2_variant | t w tw |
| author_facet | Fregly, Chris Barth, Antje Walczak, Tomasz |
| author_role | aut aut |
| author_sort | Fregly, Chris |
| author_variant | c f cf a b ab |
| building | Verbundindex |
| bvnumber | localTUM |
| collection | ZDB-30-ORH |
| ctrlnum | (DE-627-1)093387466 (DE-599)KEP093387466 (ORHE)9788328391291 |
| dewey-full | 006.3 |
| dewey-hundreds | 000 - Computer science, information, general works |
| dewey-ones | 006 - Special computer methods |
| dewey-raw | 006.3 |
| dewey-search | 006.3 |
| dewey-sort | 16.3 |
| dewey-tens | 000 - Computer science, information, general works |
| discipline | Informatik |
| edition | [First edition]. |
| format | Electronic eBook |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>03327cam a22005652 4500</leader><controlfield tag="001">ZDB-30-ORH-093387466</controlfield><controlfield tag="003">DE-627-1</controlfield><controlfield tag="005">20240228122012.0</controlfield><controlfield tag="007">cr uuu---uuuuu</controlfield><controlfield tag="008">230626s2021 xx |||||o 00| ||pol c</controlfield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9788328391291</subfield><subfield code="c">electronic bk.</subfield><subfield code="9">978-83-283-9129-1</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">8328391295</subfield><subfield code="c">electronic bk.</subfield><subfield code="9">83-283-9129-5</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-627-1)093387466</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)KEP093387466</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(ORHE)9788328391291</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-627-1)093387466</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-627</subfield><subfield code="b">ger</subfield><subfield code="c">DE-627</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1=" " ind2=" "><subfield code="a">pol</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">006.3</subfield><subfield code="2">23/eng/20230613</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Fregly, Chris</subfield><subfield code="e">VerfasserIn</subfield><subfield code="4">aut</subfield></datafield><datafield tag="240" ind1="1" ind2="0"><subfield code="a">Data science on AWS</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Inżynieria danych na platformie AWS</subfield><subfield code="b">jak tworzyć kompletne potoki uczenia maszynowego</subfield><subfield code="c">Chris Fregly, Antje Barth ; przekład, Tomasz Walczak</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">[First edition].</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Gliwice</subfield><subfield code="b">Helion</subfield><subfield code="c">[2022]</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">1 online resource (472 pages)</subfield><subfield code="b">illustrations</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="a">Text</subfield><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="a">Computermedien</subfield><subfield code="b">c</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="a">Online-Ressource</subfield><subfield code="b">cr</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="520" ind1=" " ind2=" "><subfield code="a">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.</subfield></datafield><datafield tag="610" ind1="1" ind2="0"><subfield code="a">Amazon Web Services (Firm)</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Machine learning</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Cloud computing</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Data mining</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Business</subfield><subfield code="x">Data processing</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Management</subfield><subfield code="x">Data processing</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Amazon Web Services (Firm)</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Apprentissage automatique</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Infonuagique</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Exploration de données (Informatique)</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Gestion ; Informatique</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Business ; Data processing</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Cloud computing</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Data mining</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Machine learning</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Management ; Data processing</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Barth, Antje</subfield><subfield code="e">VerfasserIn</subfield><subfield code="4">aut</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Walczak, Tomasz</subfield><subfield code="e">ÜbersetzerIn</subfield><subfield code="4">trl</subfield></datafield><datafield tag="856" ind1="4" ind2="0"><subfield code="l">TUM01</subfield><subfield code="p">ZDB-30-ORH</subfield><subfield code="q">TUM_PDA_ORH</subfield><subfield code="u">https://learning.oreilly.com/library/view/-/9788328391291/?ar</subfield><subfield code="m">X:ORHE</subfield><subfield code="x">Aggregator</subfield><subfield code="z">lizenzpflichtig</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ZDB-30-ORH</subfield></datafield><datafield tag="951" ind1=" " ind2=" "><subfield code="a">BO</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ZDB-30-ORH</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-91</subfield></datafield></record></collection> |
| id | ZDB-30-ORH-093387466 |
| illustrated | Illustrated |
| indexdate | 2024-12-18T08:48:57Z |
| institution | BVB |
| isbn | 9788328391291 8328391295 |
| language | Polish |
| open_access_boolean | |
| owner | DE-91 DE-BY-TUM |
| owner_facet | DE-91 DE-BY-TUM |
| physical | 1 online resource (472 pages) illustrations |
| psigel | ZDB-30-ORH |
| publishDate | 2022 |
| publishDateSearch | 2021 |
| publishDateSort | 2021 |
| publisher | Helion |
| record_format | marc |
| spelling | Fregly, Chris VerfasserIn aut Data science on AWS Inżynieria danych na platformie AWS jak tworzyć kompletne potoki uczenia maszynowego Chris Fregly, Antje Barth ; przekład, Tomasz Walczak [First edition]. Gliwice Helion [2022] 1 online resource (472 pages) illustrations Text txt rdacontent Computermedien c rdamedia Online-Ressource cr rdacarrier 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. Amazon Web Services (Firm) Machine learning Cloud computing Data mining Business Data processing Management Data processing Apprentissage automatique Infonuagique Exploration de données (Informatique) Gestion ; Informatique Business ; Data processing Management ; Data processing Barth, Antje VerfasserIn aut Walczak, Tomasz ÜbersetzerIn trl TUM01 ZDB-30-ORH TUM_PDA_ORH https://learning.oreilly.com/library/view/-/9788328391291/?ar X:ORHE Aggregator lizenzpflichtig Volltext |
| spellingShingle | Fregly, Chris Barth, Antje Inżynieria danych na platformie AWS jak tworzyć kompletne potoki uczenia maszynowego Amazon Web Services (Firm) Machine learning Cloud computing Data mining Business Data processing Management Data processing Apprentissage automatique Infonuagique Exploration de données (Informatique) Gestion ; Informatique Business ; Data processing Management ; Data processing |
| title | Inżynieria danych na platformie AWS jak tworzyć kompletne potoki uczenia maszynowego |
| title_alt | Data science on AWS |
| title_auth | Inżynieria danych na platformie AWS jak tworzyć kompletne potoki uczenia maszynowego |
| title_exact_search | Inżynieria danych na platformie AWS jak tworzyć kompletne potoki uczenia maszynowego |
| title_full | Inżynieria danych na platformie AWS jak tworzyć kompletne potoki uczenia maszynowego Chris Fregly, Antje Barth ; przekład, Tomasz Walczak |
| title_fullStr | Inżynieria danych na platformie AWS jak tworzyć kompletne potoki uczenia maszynowego Chris Fregly, Antje Barth ; przekład, Tomasz Walczak |
| title_full_unstemmed | Inżynieria danych na platformie AWS jak tworzyć kompletne potoki uczenia maszynowego Chris Fregly, Antje Barth ; przekład, Tomasz Walczak |
| title_short | Inżynieria danych na platformie AWS |
| title_sort | inzynieria danych na platformie aws jak tworzyc kompletne potoki uczenia maszynowego |
| title_sub | jak tworzyć kompletne potoki uczenia maszynowego |
| topic | Amazon Web Services (Firm) Machine learning Cloud computing Data mining Business Data processing Management Data processing Apprentissage automatique Infonuagique Exploration de données (Informatique) Gestion ; Informatique Business ; Data processing Management ; Data processing |
| topic_facet | Amazon Web Services (Firm) Machine learning Cloud computing Data mining Business Data processing Management Data processing Apprentissage automatique Infonuagique Exploration de données (Informatique) Gestion ; Informatique Business ; Data processing Management ; Data processing |
| url | https://learning.oreilly.com/library/view/-/9788328391291/?ar |
| work_keys_str_mv | AT freglychris datascienceonaws AT barthantje datascienceonaws AT walczaktomasz datascienceonaws AT freglychris inzynieriadanychnaplatformieawsjaktworzyckompletnepotokiuczeniamaszynowego AT barthantje inzynieriadanychnaplatformieawsjaktworzyckompletnepotokiuczeniamaszynowego AT walczaktomasz inzynieriadanychnaplatformieawsjaktworzyckompletnepotokiuczeniamaszynowego |