Debugging Machine Learning Models with Python : Develop high-performance, low-bias, and explainable machine learning and deep learning models
Sprache: Englisch
Verlag: Packt Publishing, 2023
- Softcover
- Neu
Anbieter: AHA-BUCH GmbH, Einbeck, DeutschlandAHA-BUCH GmbH
Verkäufer:in bei AbeBooks seit 14. August 2006
Zustand: Neu
EUR 73,79
Anzahl: 1 verfügbar
In den WarenkorbArtikelbeschreibung des Verkäufers
nach der Bestellung gedruckt Neuware - Printed after ordering - Master reproducible ML and DL models with Python and PyTorch to achieve high performance, explainability, and real-world successKey Features:Learn how to improve performance of your models and eliminate model biasesStrategically design your machine learning systems to minimize chances of failure in productionDiscover advanced techniques to solve real-world challengesPurchase of the print or Kindle book includes a free PDF Elektronisches BuchBook Description:Debugging Machine Learning Models with Python is a comprehensive guide that navigates you through the entire spectrum of mastering machine learning, from foundational concepts to advanced techniques. It goes beyond the basics to arm you with the expertise essential for building reliable, high-performance models for industrial applications. Whether you're a data scientist, analyst, machine learning engineer, or Python developer, this book will empower you to design modular systems for data preparation, accurately train and test models, and seamlessly integrate them into larger technologies.By bridging the gap between theory and practice, you'll learn how to evaluate model performance, identify and address issues, and harness recent advancements in deep learning and generative modeling using PyTorch and scikit-learn. Your journey to developing high quality models in practice will also encompass causal and human-in-the-loop modeling and machine learning explainability. With hands-on examples and clear explanations, you'll develop the skills to deliver impactful solutions across domains such as healthcare, finance, and e-commerce.What You Will Learn:Enhance data quality and eliminate data flawsEffectively assess and improve the performance of your modelsDevelop and optimize deep learning models with PyTorchMitigate biases to ensure fairnessUnderstand explainability techniques to improve model qualitiesUse test-driven modeling for data processing and modeling improvementExplore techniques to bring reliable models to productionDiscover the benefits of causal and human-in-the-loop modelingWho this book is for:This book is for data scientists, analysts, machine learning engineers, Python developers, and students looking to build reliable, high-performance, and explainable machine learning models for production across diverse industrial applications. Fundamental Python skills are all you need to dive into the concepts and practical examples covered. Whether you're new to machine learning or an experienced practitioner, this book offers a breadth of knowledge and practical insights to elevate your modeling skills.…
Bestandsnummer des Verkäufers 9781800208582
- Titel
- Debugging Machine Learning Models with Python : Develop high-performance, low-bias, and explainable machine learning and deep learning models
- Autor
- Ali Madani
- Verlag
- Packt Publishing
- Erscheinungsjahr
- 2023
- Zustand
- Neu
- Einband
- Taschenbuch
- Sprache
- Englisch
- ISBN-10
- 1800208588
- ISBN-13
- 9781800208582
- Artikelgewicht
- 643 Gramm
- Abmessungen
- 235x191x19 mm
Master reproducible ML and DL models with Python and PyTorch to achieve high performance, explainability, and real-world success
Key Features
- Learn how to improve performance of your models and eliminate model biases
- Strategically design your machine learning systems to minimize chances of failure in production
- Discover advanced techniques to solve real-world challenges
- Purchase of the print or Kindle book includes a free PDF eBook
Book Description
Debugging Machine Learning Models with Python is a comprehensive guide that navigates you through the entire spectrum of mastering machine learning, from foundational concepts to advanced techniques. It goes beyond the basics to arm you with the expertise essential for building reliable, high-performance models for industrial applications. Whether you're a data scientist, analyst, machine learning engineer, or Python developer, this book will empower you to design modular systems for data preparation, accurately train and test models, and seamlessly integrate them into larger technologies.
By bridging the gap between theory and practice, you'll learn how to evaluate model performance, identify and address issues, and harness recent advancements in deep learning and generative modeling using PyTorch and scikit-learn. Your journey to developing high quality models in practice will also encompass causal and human-in-the-loop modeling and machine learning explainability. With hands-on examples and clear explanations, you'll develop the skills to deliver impactful solutions across domains like healthcare, finance, and e-commerce.
What you will learn
- Enhance data quality and eliminate data flaws
- Effectively assess and improve performance of your models
- Optimize deep learning models built in PyTorch
- Mitigate biases to ensure fairness
- Understand explainability techniques to improve model qualities
- Use test-driven modeling for data processing and modelling improvement
- Explore techniques to bring reliable models to production
- Discover the benefits of causal and human-in-the-loop modeling
Who This Book Is For
This book is for data scientists, analysts, machine learning engineers, Python developers, and students looking to build reliable, high-performance, and explainable machine learning models for production across diverse industrial applications. Fundamental Python skills are all you need to dive into the concepts and practical examples covered. Whether you're new to machine learning or an experienced practitioner, this book offers a breadth of knowledge and practical insights to elevate your modeling skills.
Table of Contents
- Beyond Code Debugging
- Machine Learning Life Cycle
- Debugging toward Responsible AI
- Detecting Performance and Efficiency Issues in Machine Learning Models
- Improving the Performance of Machine Learning Models
- Interpretability and Explainability in Machine Learning Modelling
- Decreasing Bias and Achieving Fairness
- Controlling Risks Using Test-Driven Development
- Testing and Debugging for Production
- Versioning and Reproducible Machine Learning Modelling
- Avoiding and Detecting Data and Concept Drifts
- Going Beyond ML Debugging with Deep Learning
- Advanced Deep Learning Techniques
- Introduction to Recent Advancements in Machine Learning
- Correlation versus Causality
- Security and Privacy in Machine Learning
- Human-in-the-Loop Machine Learning
„Inhaltsangabe“ gehört möglicherweise zu einer anderen Auflage dieses Titels.
Über die Autorin bzw. den Autor
„Über diesen Titel“ gehört möglicherweise zu einer anderen Auflage dieses Titels.
AHA-BUCH GmbH
Einbeck, Deutschland
Verkäufer:in bei AbeBooks seit 14. August 2006
Versandkosten von Deutschland nach USA
| Artikel | 7 bis 10 Werktage | 5 bis 7 Werktage |
|---|---|---|
| Erster Artikel | EUR 35,00 | EUR 45,00 |
Zahlungsarten
- Banküberweisung
- PayPal
- Vorauskasse
Shopbeschreibung
Das Unternehmen AHA-BUCH GmbH: Seit der Gründung von AHA-BUCH im Juli 2005 ist unser Hauptziel, zufriedenen Kunden so schnell und so preisgünstig wie möglich ihren Bücherwunsch zu erfüllen. Unsere Firma beschäftigt 16 Mitarbeiter, die nur ein Ziel kennen: den Kunden und seine Wünsche! Auf über 3700 m2 Fläche haben wir über 100.000 Bücher, Modernes Antiquariat und Spiele auf Lager.
Spezialisierung
Kinderbücher & Kinderhör Casetten, German Books, Software, Natur & Tiere, Ratgeber, Sachbücher, Englische Bücher, Medizin & Gesundheit, Universität & StudiumUnternehmensdaten der Verkäuferin bzw. des Verkäufers
AHA-BUCH GmbH
Garlebsen 48
Einbeck, Deutschland 37574
Verkaufsbedingungen
Impressum
Gesetzliche Anbieterkennung:
AHA-BUCH GmbH
diese vertreten durch den Geschäftsführer Christel Glass
Garlebsen 48
37574 Einbeck
Deutschland
Telefon: 055639996039
Telefax: 055639995974
E-Mail: abebooks@aha-buch.de
USt-IdNr.: DE261904229
eingetragen im Handelsregister des Amtsgerichtes Göttingen
Handelsregisternummer HRB 200691
Alternative Streitbeilegung:
Die Europäische Kommission stellt eine Plattform für die außergerichtliche Online-Streitbeilegung (OS-Plattform) bereit, aufrufbar unter https://ec.europa.eu/odr.
Wir sind seit 25.05.2018 Mitglied der Initiative "FairCommerce".
Nähere Informationen hierzu finden Sie unter www.fair-commerce.de.
Widerrufsrecht
Wenn Sie Verbraucher sind, können Sie gemäß den folgenden Bestimmungen vom Vertrag zurücktreten. Verbraucher ist jede natürliche Person, die zu Zwecken handelt, die nicht ihrer kaufmännischen, gewerblichen, künstlerischen oder beruflichen Tätigkeit zugerechnet werden können.
Informationen zum Widerrufsrecht
Gesetzliches Widerrufsrecht
Sie haben das Recht, den Vertrag innerhalb von 14 Tagen ohne Angabe von Gründen zu widerrufen.
Die Widerrufsfrist beträgt 14 Tage ab dem Tag, an dem Sie oder ein von Ihnen benannter Dritter, der nicht der Transporteur ist, die letzte Ware oder den letzten Posten oder das letzte Exemplar in Besitz genommen hat.
Um das Widerrufsrecht auszuüben, füllen Sie auf unserer Website unter „Meine Einkäufe" in „Mein Nutzerkonto" eine eindeutige Erklärung elektronisch aus und senden Sie sie ab. Wir werden Ihnen unverzüglich eine Bestätigung über den Eingang eines solchen Widerrufs auf einem dauerhaften Datenträger (z. B. per E-Mail) übermitteln.
Um die Widerrufsfrist einzuhalten, reicht es aus, dass Sie Ihre Mitteilung über die Ausübung des Widerrufsrechts vor Ablauf der Widerrufsfrist absenden.
Auswirkungen des Widerrufs
Wenn Sie diesen Vertrag widerrufen, erstatten wir Ihnen alle Zahlungen, die wir von Ihnen erhalten haben, einschließlich der Lieferkosten (mit Ausnahme der zusätzlichen Kosten, die entstehen, wenn Sie eine andere Art der Lieferung als die von uns angebotene günstigste Standardlieferung gewählt haben).
Wir können einen Abzug von der Rückerstattung für den Wertverlust der gelieferten Waren vornehmen, wenn der Verlust auf eine unnötige Behandlung durch Sie zurückzuführen ist.
Wir werden die Rückerstattung unverzüglich und nicht später als 14 Tage nach dem Tag vornehmen, an dem wir über Ihre Entscheidung, diesen Vertrag zu widerrufen, informiert wurden.
Für die Rückerstattung verwenden wir dasselbe Zahlungsmittel, das Sie für die ursprüngliche Transaktion verwendet haben, es sei denn, Sie haben ausdrücklich etwas anderes vereinbart; in keinem Fall werden Ihnen aufgrund einer solchen Rückerstattung Gebühren berechnet.
Wir können die Rückzahlung verweigern, bis wir die Waren wieder zurückerhalten haben oder Sie den Nachweis erbracht haben, dass Sie die Waren zurückgesandt haben, je nachdem, was eher eintritt.
Sie müssen die Waren unverzüglich und in jedem Fall spätestens 14 Tage ab dem Tag, an dem Sie uns über den Widerruf dieses Vertrags unterrichten, an AHA-BUCH GmbH, Einbeck, Germany, zurücksenden oder übergeben. Die Frist ist eingehalten, wenn Sie die Ware vor Ablauf der Frist von 14 Tagen zurücksenden. Sie müssen die direkten Kosten der Rücksendung der Waren tragen. Sie haften nur für einen etwaigen Wertverlust der Waren, der auf eine Behandlung zurückzuführen ist, die nicht zur Prüfung der Art, Eigenschaften und Funktionsweise der Waren erforderlich ist.
Ausnahmen vom Widerrufsrecht
Das Widerrufsrecht gilt nicht für:
- Die Lieferung von Zeitungen, Zeitschriften oder Magazinen mit Ausnahme von Abonnementverträgen; und
- Die Lieferung digitaler Inhalte, die nicht auf einem physischen Medium (z. B. auf einer CD oder DVD) geliefert werden, wenn Sie bei Ihrer Bestellung akzeptiert haben, dass wir mit der Lieferung beginnen können und dass Sie nach Beginn der Lieferung den Vertrag nicht mehr widerrufen können.
Versandbedingungen
Wir liefern Lagerartikel innerhalb von 24 Stunden nach Erhalt der Bestellung aus.
Barsortimentsartikel, die wir über Nacht geliefert bekommen, am darauffolgenden Werktag.
Unser Ziel ist es Ihnen die Artikel in der ökonomischten und effizientesten Weise zu senden.