Maschinelle Lernsysteme entwerfen

Systeme für maschinelles Lernen sind sowohl komplex als auch einzigartig. Komplex, weil sie aus vielen verschiedenen Komponenten bestehen und viele verschiedene Akteure einbeziehen. Einzigartig, weil sie datenabhängig sind und die Daten von Anwendungsfall zu Anwendungsfall stark variieren. In diesem Buch lernst du einen ganzheitlichen Ansatz für die Entwicklung von ML-Systemen kennen, die zuverlässig, skalierbar und wartbar sind und sich an veränderte Umgebungen und Geschäftsanforderungen anpassen lassen.

Der Autor Chip Huyen, Mitbegründer von Claypot AI, betrachtet jede Designentscheidung - z. B. wie Trainingsdaten verarbeitet und erstellt werden, welche Funktionen verwendet werden, wie oft die Modelle neu trainiert werden und was überwacht werden soll - im Kontext der Frage, wie sie deinem System als Ganzes helfen kann, seine Ziele zu erreichen. Der iterative Ansatz in diesem Buch basiert auf realen Fallbeispielen, die durch zahlreiche Referenzen unterstützt werden.

Dieses Buch hilft dir dabei, Szenarien wie die folgenden zu bewältigen:

• Datenentwicklung und Auswahl der richtigen Metriken zur Lösung eines Geschäftsproblems
• Automatisieren des Prozesses zur kontinuierlichen Entwicklung, Bewertung, Bereitstellung und Aktualisierung von Modellen
• Entwicklung eines Überwachungssystems zur schnellen Erkennung und Behebung von Problemen, auf die deine Modelle in der Produktion stoßen könnten
• Aufbau einer ML-Plattform, die für verschiedene Anwendungsfälle geeignet ist
• Entwicklung verantwortungsvoller ML-Systeme