MARC details
| 000 -CABECERA |
|---|
| campo de control de longitud fija |
03173nam a22003735i 4500 |
| 001 - NÚMERO DE CONTROL |
|---|
| campo de control |
397747 |
| 003 - IDENTIFICADOR DEL NÚMERO DE CONTROL |
|---|
| campo de control |
ES-MaUEC |
| 005 - FECHA Y HORA DE LA ÚLTIMA TRANSACCIÓN |
|---|
| campo de control |
20240104162611.0 |
| 006 - CÓDIGOS DE INFORMACIÓN DE LONGITUD FIJA--CARACTERÍSTICAS DEL MATERIAL ADICIONAL |
|---|
| campo de control de longitud fija |
a||||fo|||| 00| 0 |
| 007 - CAMPO FIJO DE DESCRIPCIÓN FÍSICA--INFORMACIÓN GENERAL |
|---|
| campo de control de longitud fija |
cr nn 008mamaa |
| 008 - DATOS DE LONGITUD FIJA--INFORMACIÓN GENERAL |
|---|
| campo de control de longitud fija |
231124s2024 sz | s |||| 0|eng d |
| 020 ## - NÚMERO INTERNACIONAL ESTÁNDAR DEL LIBRO |
|---|
| Número Internacional Estándar del Libro |
9783031318054 |
| 024 7# - IDENTIFICADOR DE OTROS ESTÁNDARES |
|---|
| Número estándar o código |
10.1007/978-3-031-31805-4 |
| Fuente del número o código |
doi |
| 040 ## - FUENTE DE LA CATALOGACIÓN |
|---|
| Centro catalogador/agencia de origen |
ES-MaUEC |
| Lengua de catalogación |
spa |
| Centro/agencia transcriptor |
ES-MaUEC |
| 050 04 - SIGNATURA TOPOGRÁFICA DE LA BIBLIOTECA DEL CONGRESO |
|---|
| Número de clasificación |
Q325.5-.7 |
| Número de documento/Ítem |
2024 |
| 100 1# - ENTRADA PRINCIPAL--NOMBRE DE PERSONA |
|---|
| Nombre de persona |
Lazzeri, Francesca. |
| Término indicativo de función/relación |
autor |
| Código de función/relación |
aut |
| -- |
http://id.loc.gov/vocabulary/relators/aut |
| 245 00 - MENCIÓN DE TÍTULO |
|---|
| Título |
Machine Learning Governance for Managers |
| Mención de responsabilidad, etc. |
by Francesca Lazzeri, Alexei Robsky |
| 250 ## - MENCIÓN DE EDICIÓN |
|---|
| Mención de edición |
first edition 2024 |
| 264 #1 - PRODUCCIÓN, PUBLICACIÓN, DISTRIBUCIÓN, FABRICACIÓN Y COPYRIGHT |
|---|
| Producción, publicación, distribución, fabricación y copyright |
Cham |
| Fecha de producción, publicación, distribución, fabricación o copyright |
2024 |
| Nombre del de productor, editor, distribuidor, fabricante |
Springer International Publishing |
| 300 ## - DESCRIPCIÓN FÍSICA |
|---|
| Extensión |
1 recurso en línea |
| 336 ## - TIPO DE CONTENIDO |
|---|
| Término de tipo de contenido |
texto |
| Código de tipo de contenido |
txt |
| Fuente |
rdacontent |
| 337 ## - TIPO DE MEDIO |
|---|
| Nombre/término del tipo de medio |
electrónico |
| Código del tipo de medio |
c |
| Fuente |
rdamedia |
| 338 ## - TIPO DE SOPORTE |
|---|
| Nombre/término del tipo de soporte |
recurso electrónico |
| Código del tipo de soporte |
cr |
| Fuente |
rdacarrier |
| 347 ## - CARACTERÍSTICAS DEL ARCHIVO DIGITAL |
|---|
| Tipo de archivo |
text file |
| Formato de codificación |
PDF |
| 505 0# - NOTA DE CONTENIDO CON FORMATO |
|---|
| Nota de contenido con formato |
1. Understanding Business Goals -- 2. Measure the Right Things -- 3. Searching for the Right Tools -- 4. MLOps Governance & Architecting the Data Science Solution -- 5. Unifying Organizations' Machine Learning Vision. |
| 520 ## - SUMARIO, ETC. |
|---|
| Sumario, etc. |
Machine Learning Governance for Managers provides readers with the knowledge to unlock insights from data and leverage AI solutions. In today's business landscape, most organizations face challenges in scaling and maintaining a sustainable machine learning model lifecycle. This book offers a comprehensive framework that covers business requirements, data generation and acquisition, modeling, model deployment, performance measurement, and management, providing a range of methodologies, technologies, and resources to assist data science managers in adopting data and AI-driven practices. Particular emphasis is given to ramping up a solution quickly, detailing skills and techniques to ensure the right things are measured and acted upon for reliable results and high performance. Readers will learn sustainable tools for implementing machine learning with existing IT and privacy policies, including versioning all models, creating documentation, monitoring models and their results, and assessing their causal business impact. By overcoming these challenges, bottom-line gains from AI investments can be realized. Organizations that implement all aspects of AI/ML model governance can achieve a high level of control and visibility over how models perform in production, leading to improved operational efficiency and a higher ROI on AI investments. Machine Learning Governance for Managers helps to effectively control model inputs and understand all the variables that may impact your results. Don't let challenges in machine learning hinder your organization's growth - unlock its potential with this essential guide. |
| 988 ## - NOTA LOCAL 598 |
|---|
| Nota local 598 (boletines) |
Springer_Computer_2024 |
| 856 40 - LOCALIZACIÓN Y ACCESO ELECTRÓNICOS |
|---|
| Identificador Uniforme del Recurso |
https://go.openathens.net/redirector/universidadeuropea.es?url=https://doi.org/10.1007/978-3-031-31805-4 |
| Nota pública |
Acceso a este recurso digital (usuarios Universidad Europea de Madrid) |
| 912 ## - |
|---|
| -- |
ZDB-2-SCS |
| 912 ## - |
|---|
| -- |
ZDB-2-SXCS |
| 942 ## - ELEMENTOS DE PUNTO DE ACCESO ADICIONAL (KOHA) |
|---|
| Fuente del sistema de clasificación o colocación |
Library of Congress Classification |
| Tipo de ítem Koha |
LIBRO-E NO PRÉSTAMO |