Effektive Teams für maschinelles Lernen

Erwerbe die wertvollen Fähigkeiten und Techniken, die du brauchst, um die Bereitstellung von Machine Learning-Lösungen zu beschleunigen. Mit diesem praktischen Leitfaden lernen Data Scientists, ML-Ingenieure und ihre Führungskräfte, wie sie die Kluft zwischen Data Science und Lean Product Delivery auf praktische und einfache Weise überbrücken können. David Tan, Ada Leung und Dave Colls zeigen dir, wie du bewährte Software-Engineering-Fähigkeiten und Lean-Product-Delivery-Praktiken anwenden kannst, um Arbeit und Verschwendung zu reduzieren, Feedbackschleifen zu verkürzen und den Arbeitsfluss deines Teams bei der Entwicklung von ML-Systemen und -Produkten zu verbessern.

Basierend auf den Erfahrungen der Autoren in zahlreichen realen Daten- und ML-Projekten werden die bewährten Techniken in diesem Buch deinem Team helfen, häufige Fallen in der ML-Welt zu vermeiden, damit du schneller und zuverlässiger iterieren und skalieren kannst. Du lernst, wie du Reibungsverluste überwinden und einen reibungslosen Ablauf bei der Bereitstellung von ML-Lösungen erleben kannst.

Außerdem erfährst du, wie du:

• Automatisierte Tests für ML-Systeme zu schreiben, Entwicklungsumgebungen zu containerisieren und problematische Codebasen zu refaktorisieren
• MLOps und CI/CD-Praktiken anzuwenden, um die Experimentierzyklen zu beschleunigen und die Zuverlässigkeit von ML-Lösungen zu verbessern
• Wende Lean-Delivery- und Produktpraktiken an, um deine Chancen zu erhöhen, das richtige Produkt für deine Nutzer zu entwickeln
• Geeignete Teamstrukturen und Techniken für die Zusammenarbeit innerhalb und zwischen den Teams zu finden, um schnelle Abläufe zu ermöglichen, die kognitive Belastung zu reduzieren und ML in deinem Unternehmen zu skalieren