Maskinlæringssystemer er både komplekse og unike. Kompleks fordi de består av mange forskjellige komponenter og involverer mange forskjellige interessenter. Unike fordi de er databaserte, med data som varierer sterkt fra ett bruksområde til det neste.. I denne boken vil du lære en helhetlig tilnærming til å designe ML-systemer som er pålitelige, skalerbare, vedlikeholdbare og tilpasningsdyktige til endrede miljøer og forretningskrav.
Forfatter Chip Huyen, medgründer av Claypot AI, vurderer hver designbeslutning – som hvordan man behandler og lager treningsdata, hvilke funksjoner man skal bruke, hvor ofte man skal trene modeller på nytt, og hva man skal overvåke – i lys av hvordan den kan hjelpe systemet ditt som helhet med å nå sine mål.. Den iterative rammeverket i denne boken bruker faktiske case-studier støttet av rikelig med referanser.
Denne boken vil hjelpe deg med å håndtere scenarioer som:
Ingeniørdata og valg av riktige måltall for å løse et forretningsproblem
Automatisering av prosessen for kontinuerlig utvikling, evaluering, utrulling og oppdatering av modeller
Utvikle et overvåkingssystem for raskt å oppdage og håndtere problemer modellene dine kan støte på i produksjon
Arkitekturering av en ML-plattform som tjener på tvers av bruksområder
Utvikling av ansvarlige ML-systemer
om forfatteren
Chip Huyen er en medgründer av Claypot AI, en plattform for maskinlæring i sanntid. Gjennom sitt arbeid hos NVIDIA, Netflix og Snorkel AI har hun hjulpet noen av verdens største organisasjoner med å utvikle og implementere maskinlæringssystemer.. Hun underviser i CS 329S: Design av maskinlæringssystemer ved Stanford, som denne boken er basert på forelesningsnotatene fra.
Refusjon ved manglende levering
