Data Engineering for Multimodal AI

EAN/GTIN:: 9781098190781
Hersteller-Nr.:: 9781098190781
Kategorie:: Gedruckte Bücher
Angebote:: 2 Shops bis 1 % sparen gegenüber dem teuersten Angebot
Preisspanne:: 65,60 € – 66,05 €

Preisalarm

Bester Preis

2 Angebote

ab 65,60 €

Günstigstes Angebot

preigu

Versandkostenfrei · 1-2 Werktage

65,60 €

Gesamt 65,60 €

Zum Shop: preigu

Zuletzt aktualisiert: 14. November 2026, 14:21 Uhr

Preisvergleich: 2 Angebote

Sortiert nach Gesamtpreis inkl. Versand · Preise inkl. MwSt. · Als „Nicht verifiziert“ markierte Angebote stammen von Shops ohne Partnerschaft und werden nie als „Bester Preis“ hervorgehoben, solange es ein Partner-Angebot gibt. Bei gleichem Gesamtpreis steht das früher gelistete Angebot zuerst. * „statt“: vom Shop angegebener Vergleichspreis (früherer Shop-Preis oder UVP), nicht von uns geprüft.

Bester Preis

preigu

65,60 €

Gesamt: 65,60 €

Auf Lager · 1-2 Werktage

Versandkostenfrei

Zum Shop
averdo

66,05 €

Gesamt: 66,05 €

Auf Lager

Versand: siehe Shop

Zum Shop

Anzeige – CSS von Cyberslide: CyberSlide ist ein Preisvergleichsdienst (Comparison Shopping Service) und kein Händler. Wenn du über „Zum Shop“ zu einem Händler wechselst oder dort kaufst, erhalten wir ggf. eine Provision (Affiliate-Link). Für dich entstehen dabei keine Mehrkosten. Die Reihenfolge der Angebote richtet sich ausschließlich nach dem Gesamtpreis inkl. Versand; nicht verfügbare Angebote stehen am Ende. Gelistet werden überwiegend Shops, mit denen wir zusammenarbeiten (Partnerprogramme bzw. Provision) – der Vergleich bildet daher nicht den gesamten Markt ab. Angebote mit „Nicht verifiziert“ stammen von Shops ohne Partnerschaft: Ihre Preise lesen wir automatisch von der Shop-Website (ohne Gewähr); sie werden nicht als „Bester Preis“ hervorgehoben, solange es ein Partner-Angebot gibt. Mehr zu Ranking & Bewertungen · Inhalt melden

Alle Preise in Euro inkl. gesetzlicher MwSt., zzgl. der angegebenen Versandkosten. Preise und Verfügbarkeit können sich seit der letzten Aktualisierung geändert haben; maßgeblich ist der Preis im Shop.

Preisverlauf

Tiefstpreis: –
Höchstpreis: –
Veränderung: –

Preisverlauf wird geladen …

Günstigster Preis über alle Shops (ohne Versand). Gespeichert wird nur, wenn sich der Bestpreis ändert; Daten älter als 12 Monate als Monats-Tiefst-/Höchstpreis.

Preisalarm

Wir schicken dir eine E-Mail, sobald dein Wunschpreis erreicht ist.

Produktbeschreibung

AI is only as capable as the context it's given, and context is a data engineering problem before it's a model problem. As multimodal AI systems and applications become increasingly sophisticated and data-hungry, the infrastructure that produces and governs that context has to evolve to keep pace. Data Engineering for Multimodal AI is one of the first practical guides for data engineers, machine learning engineers, and MLOps specialists looking to rapidly master the skills needed to build robust, scalable data infrastructures that multimodal AI systems and applications depend on for effective context engineering. You'll follow the entire lifecycle of AI-driven data engineering, from conceptualizing data architectures to implementing data pipelines optimized for multimodal learning in both cloud-native and on-premises environments. And each chapter includes step-by-step guides and best practices for implementing key concepts. - Design and implement cloud-native data architectures optimized for multimodal AI workloads - Build efficient and scalable ETL processes for preparing diverse AI training data - Implement real-time data processing pipelines for multimodal AI inference - Develop and manage feature stores that support multiple data modalities - Apply data governance and security practices specific to multimodal AI projects - Optimize data storage and retrieval for various types of multimodal ML models - Integrate data versioning and lineage tracking in multimodal AI workflows - Implement data-quality frameworks to ensure reliable outcomes across data types - Design data pipelines that support responsible AI practices in a multimodal context