|Eingestellt in Kategorie:
Ähnlichen Artikel verkaufen?

Learning Ray: Flexibel verteiltes Python für maschinelles Lernen

2nd Life Books NJ
(12974)
Angemeldet als gewerblicher Verkäufer
US $23,27
Ca.CHF 18,76
Artikelzustand:
Gut
Ganz entspannt. Kostenloser Versand & Rückversand.
Versand:
Kostenlos USPS Ground Advantage®.
Standort: Burlington, New Jersey, USA
Lieferung:
Lieferung zwischen Mo, 4. Aug und Sa, 9. Aug nach 94104 bei heutigem Zahlungseingang
Wir wenden ein spezielles Verfahren zur Einschätzung des Liefertermins an – in diese Schätzung fließen Faktoren wie die Entfernung des Käufers zum Artikelstandort, der gewählte Versandservice, die bisher versandten Artikel des Verkäufers und weitere ein. Insbesondere während saisonaler Spitzenzeiten können die Lieferzeiten abweichen.
Rücknahme:
30 Tage Rückgabe. Verkäufer zahlt Rückversand.
Zahlungen:
     Diners Club

Sicher einkaufen

eBay-Käuferschutz
Geld zurück, wenn etwas mit diesem Artikel nicht stimmt. Mehr erfahreneBay-Käuferschutz - wird in neuem Fenster oder Tab geöffnet
Der Verkäufer ist für dieses Angebot verantwortlich.
eBay-Artikelnr.:335745418229
Zuletzt aktualisiert am 30. Jul. 2025 22:24:27 MESZAlle Änderungen ansehenAlle Änderungen ansehen

Artikelmerkmale

Artikelzustand
Gut: Buch, das gelesen wurde, sich aber in einem guten Zustand befindet. Der Einband weist nur sehr ...
Release Year
2023
Book Title
Learning Ray: Flexible Distributed Python for Machine Learning
ISBN
9781098117221

Über dieses Produkt

Product Identifiers

Publisher
O'reilly Media, Incorporated
ISBN-10
1098117220
ISBN-13
9781098117221
eBay Product ID (ePID)
5058378706

Product Key Features

Number of Pages
250 Pages
Language
English
Publication Name
Learning Ray : Flexible Distributed Python for Machine Learning
Subject
Programming / Open Source, Data Processing, Databases / Data Mining, Programming Languages / Python
Publication Year
2023
Type
Textbook
Subject Area
Computers
Author
Richard Liaw, Edward Oakes, Max Pumperla
Format
Trade Paperback

Dimensions

Item Height
0.6 in
Item Weight
17 Oz
Item Length
9.1 in
Item Width
7.4 in

Additional Product Features

LCCN
2023-280037
Dewey Edition
23
Illustrated
Yes
Dewey Decimal
005.3
Synopsis
Get started with Ray, the open source distributed computing framework that simplifies the process of scaling compute-intensive Python workloads. With this practical book, Python programmers, data engineers, and data scientists will learn how to leverage Ray locally and spin up compute clusters. You'll be able to use Ray to structure and run machine learning programs at scale. Authors Max Pumperla, Edward Oakes, and Richard Liaw show you how to build machine learning applications with Ray. You'll understand how Ray fits into the current landscape of machine learning tools and discover how Ray continues to integrate ever more tightly with these tools. Distributed computation is hard, but by using Ray you'll find it easy to get started. Learn how to build your first distributed applications with Ray Core Conduct hyperparameter optimization with Ray Tune Use the Ray RLlib library for reinforcement learning Manage distributed training with the Ray Train library Use Ray to perform data processing with Ray Datasets Learn how work with Ray Clusters and serve models with Ray Serve Build end-to-end machine learning applications with Ray AIR
LC Classification Number
QA76.73.P98P915 2023

Artikelbeschreibung des Verkäufers

Info zu diesem Verkäufer

2nd Life Books NJ

98,8% positive Bewertungen57 Tsd. Artikel verkauft

Mitglied seit Sep 2012
Angemeldet als gewerblicher Verkäufer
Books and Media Store has been providing customers with the highest standard of new and used products in the book and media category since 2012. We receive thousands of titles every month so be sure ...
Mehr anzeigen
Shop besuchenKontakt

Detaillierte Verkäuferbewertungen

Durchschnitt in den letzten 12 Monaten
Genaue Beschreibung
4.9
Angemessene Versandkosten
5.0
Lieferzeit
5.0
Kommunikation
5.0

Beliebte Kategorien in diesem Shop

Verkäuferbewertungen (13'755)

Alle Bewertungen
Positiv
Neutral
Negativ