Book description
Systemy uczenia maszynowego (ML) charakteryzują się złożonością i unikatowością. Zmiana w jednym z wielu komponentów może istotnie wpłynąć na całość. Zastosowane w modelach dane diametralnie różnią się od siebie w poszczególnych przypadkach użycia. To wszystko sprawia, że bardzo trudno jest stworzyć taki system, jeśli każdy komponent zostaje zaprojektowany oddzielnie. Aby zbudować aplikację korzystającą z ML i nadającą się do wdrożenia w środowisku produkcyjnym, konieczne jest podejmowanie decyzji projektowych z uwzględnieniem cech systemu jako całości.
To książka przeznaczona dla inżynierów, którzy chcą stosować systemy uczenia maszynowego do rozwiązywania rzeczywistych problemów biznesowych. Zaprezentowano w niej systemy ML używane w szybko rozwijających się startupach, a także przedstawiono holistyczne podejście do ich projektowania ― z uwzględnieniem różnych komponentów systemu i celów osób zaangażowanych w proces. Dużo uwagi poświęcono analizie decyzji projektowych, dotyczących między innymi sposobu tworzenia i przetwarzania danych treningowych, wyboru wskaźników, częstotliwości ponownego treningu modelu czy techniki monitorowania pracy aplikacji. Zaprezentowana tu koncepcja iteracyjna natomiast pozwala na uzyskanie pewności, że podejmowane decyzje są optymalne z punktu widzenia pracy całości systemu. Co ważne, poszczególne zagadnienia zostały zilustrowane rzeczywistymi studiami przypadków.
W książce między innymi:
wybór wskaźników właściwych dla danego problemu biznesowego
automatyzacja ciągłego rozwoju, ewaluacji, wdrażania i aktualizacji modeli
szybkie wykrywanie i rozwiązywanie problemów podczas wdrożenia produkcyjnego
tworzenie wszechstronnej platformy ML
odpowiedzialne tworzenie systemów ML
Wdrażaj i skaluj modele tak, aby uzyskiwać najlepsze wyniki!
Table of contents
- Opinie o książce
- Wstęp
- Rozdział 1. Przegląd systemów uczenia maszynowego
- Rozdział 2. Wprowadzenie do projektowania systemów uczenia maszynowego
- Rozdział 3. Podstawy inżynierii danych
- Rozdział 4. Dane treningowe
- Rozdział 5. Inżynieria cech
- Rozdział 6. Projektowanie modelu i ewaluacja offline
- Rozdział 7. Wdrażanie modelu i usługi prognozowania
- Rozdział 8. Zmiana rozkładu danych i monitorowanie
- Rozdział 9. Uczenie ciągłe i testy w środowisku produkcyjnym
- Rozdział 10. Infrastruktura i narzędzia stosowane w metodyce MLOps
- Rozdział 11. Ludzka strona uczenia maszynowego
- Epilog
- O autorce
- Kolofon
Product information
- Title: Jak projektować systemy uczenia maszynowego
- Author(s):
- Release date: March 2023
- Publisher(s): Helion
- ISBN: 9788328399136
You might also like
book
Zaawansowana analiza danych w PySpark
Potrzeby w zakresie analizy dużych zbiorów danych i wyciągania z nich użytecznych informacji stale rosną. Spośród …
book
Badanie danych. Raport z pierwszej linii działań
W dzisiejszych czasach najcenniejszym dobrem jest informacja. Ogromne ilości danych są przechowywane w przepastnych bazach danych, …
book
Wiersz poleceń Linuksa
Linux od dawna jest chętnie używanym systemem operacyjnym, na jego bazie powstało wiele dystrybucji odpowiadających zróżnicowanym …
book
Przetwarzanie danych w dużej skali
Przetwarzanie i bezpieczne przechowywanie danych absorbuje uwagę inżynierów oprogramowania w coraz większym stopniu. W ostatnich latach …