Ressourcen

David Nigenda, Zohar Karnin, Muhammad Bilal Zafar, Raghu Ramesha, Alan Tan, Michele Donini und Krishnaram Kenthapadi. 2022. „Amazon SageMaker Model Monitor: Ein System für Echtzeiteinblicke in bereitgestellte Modelle für Machine Learning“: arXiv:2111.13657.

Richard Meyes, Melanie Lu, Constantin Waubert de Puiseau und Tobias Meisen. 2019. „Ablationsstudien in künstlichen neuronalen Netzwerken“: arXiv:1901.08644.

Brian Babcock, Mayur Datar und Rajeev Motwani. „Probenahme aus einem sich bewegenden Fenster über Streaming-Daten“: Princeton University.

Chip Huyen. Entwicklung von Systemen für Machine Learning: Ein iterativer Prozess für produktionsreife Anwendungen. Sebastopol, Kalifornien: O'Reilly Media, 2022.

Cathy Chen, Niall Murphy, Kranti Parisa, D. Sculley und Todd Underwood. Zuverlässiges Machine Learning: Anwendung der SRE-Prinzipien auf ML in der Produktion. Sebastopol, Kalifornien: O'Reilly Media, 2022.

AWS Well-Architected Framework: Linse für Machine Learning

Erkennen Sie NLP-Datendrift mithilfe des benutzerdefinierten Amazon SageMaker Model Monitors (Blogbeitrag)

Dynamisches A/B Testen für Machine-Learning-Modelle mit SageMaker MLOps Amazon-Projekten (Blogbeitrag)

Amazon SageMaker

Datenversionskontrolle (DVC)

AWS Professional Services