Machine learning-systemen zijn zowel complex als uniek. Complex omdat ze uit veel verschillende componenten bestaan en veel verschillende belanghebbenden erbij betrokken zijn. Uniek omdat ze afhankelijk zijn van data, waarbij de data sterk varieert van het ene gebruiksscenario tot het andere.. In dit boek leert u een holistische benadering voor het ontwerpen van ML-systemen die betrouwbaar, schaalbaar, onderhoudbaar en aanpasbaar zijn aan veranderende omgevingen en bedrijfsvereisten.
Auteur Chip Huyen, medeoprichter van Claypot AI, beschouwt elke ontwerpbeslissing - zoals hoe trainingsgegevens te verwerken en te creëren, welke kenmerken te gebruiken, hoe vaak modellen opnieuw te trainen en wat te monitoren - in de context van hoe het uw systeem als geheel kan helpen zijn doelstellingen te bereiken.. Het iteratieve raamwerk in dit boek gebruikt echte casestudy's ondersteund door ruime referenties.
Dit boek helpt je bij het aanpakken van scenario's zoals:
Technische gegevens en het kiezen van de juiste meeteenheden om een bedrijfsprobleem op te lossen
Het proces voor het continu ontwikkelen, evalueren, implementeren en updaten van modellen automatiseren
Het ontwikkelen van een monitorsysteem om problemen die uw modellen in productie kunnen tegenkomen, snel te detecteren en aan te pakken
Het ontwerpen van een ML-platform dat voor meerdere use cases kan worden ingezet
Verantwoordelijke ML-systemen ontwikkelen
Over de auteur
Chip Huyen is medeoprichter van Claypot AI, een platform voor machine learning in realtime. Door haar werk bij NVIDIA, Netflix en Snorkel AI heeft ze enkele van 's werelds grootste organisaties geholpen bij het ontwikkelen en implementeren van machine learning-systemen.. Zij doceert CS 329S: Ontwerp van Machine Learning Systemen aan Stanford, waarop de collegeaantekeningen voor dit boek gebaseerd zijn.
Niet geleverd, dan geld terug
