I sistemi di machine learning sono sia complessi che unici. Complessi perché consistono in molti componenti diversi e coinvolgono molti stakeholder diversi. Unici perché dipendono dai dati, con dati che variano enormemente da un caso d'uso all'altro. In questo libro, imparerai un approccio olistico alla progettazione di sistemi ML che siano affidabili, scalabili, manutenibili e adattabili ad ambienti e requisiti aziendali in evoluzione.
L'autrice Chip Huyen, co-fondatrice di Claypot AI, considera ogni decisione di progettazione—come ad esempio come elaborare e creare i dati di addestramento, quali funzionalità utilizzare, quanto spesso riaddestrare i modelli e cosa monitorare—nel contesto di come può aiutare il tuo sistema nel suo complesso a raggiungere i suoi obiettivi.. Il quadro iterativo in questo libro utilizza casi di studio reali supportati da ampie referenze.
Questo libro ti aiuterà ad affrontare scenari come:
Dati ingegneristici e scelta delle metriche giuste per risolvere un problema aziendale
Automatizzare il processo per lo sviluppo, la valutazione, il deployment e l'aggiornamento continui dei modelli
Sviluppare un sistema di monitoraggio per rilevare e affrontare rapidamente i problemi che i tuoi modelli potrebbero incontrare in produzione
Progettare una piattaforma ML che serva diversi casi d'uso
Sviluppare sistemi di ML responsabili
Circa l'autore
Chip Huyen è co-fondatore di Claypot AI, una piattaforma per il machine learning in tempo reale.. Attraverso il suo lavoro presso NVIDIA, Netflix e Snorkel AI, ha aiutato alcune delle più grandi organizzazioni del mondo a sviluppare e distribuire sistemi di machine learning.. Insegna CS 329S: Progettazione di sistemi di machine learning a Stanford, da cui sono basate le note di questa lezione.
Rimborso per mancata consegna
