Design af Maskinlæringssystemer

Maskinlæringssystemer er både komplekse og unikke. Kompleks, fordi de består af mange forskellige komponenter og involverer mange forskellige interessenter. Unikke, fordi de er dataafhængige, hvor data varierer vildt fra den ene brugssituation til den næste. I denne bog vil du lære en holistisk tilgang til at designe ML-systemer, der er pålidelige, skalerbare, vedligeholdelsesvenlige og tilpasningsdygtige til skiftende miljøer og forretningskrav.

Forfatter Chip Huyen, medstifter af Claypot AI, overvejer hver designbeslutning – såsom hvordan man behandler og skaber træningsdata, hvilke funktioner man skal bruge, hvor ofte man skal genoptræne modeller, og hvad man skal overvåge – i den sammenhæng, hvordan det kan hjælpe dit system som helhed med at nå sine mål.. Den iterative ramme i denne bog bruger faktiske casestudier understøttet af rigelige referencer.

Denne bog vil hjælpe dig med at håndtere scenarier som:

Ingeniørdata og valg af de rigtige metrikker til at løse et forretningsproblem

Automatisering af processen for løbende at udvikle, evaluere, implementere og opdatere modeller

Udvikling af et overvågningssystem til hurtigt at opdage og håndtere problemer, som dine modeller kan støde på i produktion

Arkitektur af en ML-platform, der tjener på tværs af use cases

Udvikling af ansvarlige ML-systemer

Om forfatteren

Chip Huyen er medstifter af Claypot AI, en platform for maskinlæring i realtid. Gennem sit arbejde hos NVIDIA, Netflix og Snorkel AI har hun hjulpet nogle af verdens største organisationer med at udvikle og implementere maskinlæringssystemer.. Hun underviser i CS 329S: Design af maskinlæringssystemer på Stanford, hvis forelæsningsnotater denne bog er baseret på.