Mašininio mokymosi sistemos yra ir sudėtingos, ir unikalios. Sudėtingi, nes susideda iš daugybės skirtingų komponentų ir įtraukia daug skirtingų suinteresuotų šalių. Unikalūs, nes priklauso nuo duomenų, o duomenys labai skiriasi priklausomai nuo naudojimo atvejo.. Šioje knygoje išmoksite holistinio požiūrio į patikimų, keičiamo masto, prižiūrimų ir besikeičiančioms aplinkoms bei verslo reikalavimams prisitaikančių ML sistemų projektavimą.
Autorius Chip Huyen, Claypot AI įkūrėjas, kiekvieną dizaino sprendimą – pavyzdžiui, kaip apdoroti ir kurti mokymo duomenis, kuriuos požymius naudoti, kaip dažnai perkvalifikuoti modelius ir ką stebėti – svarsto atsižvelgdamas į tai, kaip jis gali padėti jūsų sistemai kaip visumai pasiekti savo tikslus.. Šiame knygoje naudojama iteracinė sistema remiasi tikromis atvejų analizėmis, pagrįstomis gausiomis nuorodomis.
Ši knyga padės jums susidoroti su tokiais scenarijais kaip:
Inžineriniai duomenys ir tinkamų metrikų pasirinkimas verslo problemai išspręsti
Proceso automatizavimas nuolat kurti, vertinti, diegti ir atnaujinti modelius
Kuriant stebėjimo sistemą, skirtą greitai aptikti ir išspręsti problemas, su kuriomis jūsų modeliai gali susidurti gamyboje
Kuriant ML platformą, kuri aptarnauja įvairius naudojimo atvejus
Atsakingų ML sistemų kūrimas
apie autorių
Chip Huyen yra vienas iš Claypot AI įkūrėjų, platformos, skirtos mašininiam mokymuisi realiu laiku. Dirbdama NVIDIA, Netflix ir Snorkel AI, ji padėjo kai kurioms didžiausioms pasaulio organizacijoms kurti ir diegti mašininio mokymosi sistemas.. Ji dėsto CS 329S: Mašininio mokymosi sistemų projektavimas Stanforde, kurio paskaitų užrašais ši knyga yra paremta.
Grąžinimas dėl nepristatymo
