Prefácio
Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: translation-feedback@oreilly.com
Desde o primeiro curso de aprendizagem automática que leccionei em Stanford em 2017, muitas pessoas têm-me pedido conselhos sobre como implementar modelos de aprendizagem automática nas suas organizações. Essas perguntas podem ser genéricas, como "Que modelo devo usar?" "Com que frequência devo treinar novamente o meu modelo?" "Como posso detetar mudanças na distribuição dos dados?" "Como é que posso garantir que as caraterísticas utilizadas durante o treino são consistentes com as caraterísticas utilizadas durante a inferência?"
Estas perguntas também podem ser específicas, tais como "Estou convencido de que mudar da previsão em lote para a previsão online dará ao nosso modelo um aumento de desempenho, mas como é que convenço o meu gestor a deixar-me fazer isso?" ou "Sou o cientista de dados mais experiente da minha empresa e fui recentemente incumbido de criar a nossa primeira plataforma de aprendizagem automática; por onde começo?"
A minha resposta curta a todas estas perguntas é sempre: "Depende." As minhas respostas longas envolvem muitas vezes horas de discussão para perceber de onde vem o autor da pergunta, o que está realmente a tentar alcançar e os prós e contras de diferentes abordagens para o seu caso de utilização específico.
Os sistemas de aprendizagem automática são simultaneamente complexos e únicos. São complexos porque consistem em muitos ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access