Wzorce projektowe uczenia maszynowego (Promise)

Rozwiązania charakterystycznych problemów dotyczących przygotowania danych, konstruowania modeli i MLOps Wzorce projektowe opisane w tej książce obejmują najkorzystniejsze praktyki i rozwiązania powtarzalnych problemów w uczeniu maszynowym.

Autorzy, troje inżynierów z producenta Google, skatalogowali sprawdzone metody, aby pomóc badaczom informacji sprostać charakterystycznym problemom występującym w całym procesie uczenia maszynowego. Te wzorce projektowe kodyfikują doświadczenie setek ekspertów w prostych, przystępnych radach.

W tej książce odnajdziesz szczegółowe wyjaśnienia 30 wzorców reprezentacji informacji i problemów, operacjonalizacji, powtarzalności, odtwarzalności, elastyczności, objaśnialności i bezstronności. Każdy wzorzec obejmuje opis problemu, różne potencjalne rozwiązania oraz rekomendacje dotyczące wyboru najkorzystniejszej techniki w danej sytuacji.

Nauczysz się: • Rozpoznawać i minimalizować typowe problemy występujące w trakcie uczenia, oceniania oraz wdrażania modeli uczenia maszynowego • demonstrujeć dane dla różnorodnych typów modeli uczenia maszynowego, w postaci reprezentacji wektorowych, krzyżowania cech i nie tylko • Wybierać korzystny typ modelu dla mocnych problemów • Konstruować wydajną pętlę uczenia z wykorzystaniem punktów kontrolnych, strategii rozkładu i strojenia hiperparametrów • Wdrażać skalowalne systemy uczenia maszynowego, które można uczyć ponownie i aktualizować, żeby odzwierciedlać nowe dane • Interpretować predykcje modeli dla interesariuszy i zapewniać, iż modele traktują użytkowników bezstronnie • powiększać staranność, odtwarzalność i elastyczność „Dzięki perfekcyjnym, różnym przykładom ta książka jest obowiązkową lekturą dla badaczy danych i inżynierów uczenia maszynowego dążących do zrozumienia sprawdzonych rozwiązań złożonych problemów uczenia maszynowego." ­—David Kanter Dyrektor wykonawczy, ML Commons „Jeśli chcesz oszczędzić sobie siniaków na drodze do konstruowania rozwiązań uczenia maszynowego, Lak, Sara i Michael to osoby, na które możesz liczyć." ­—Will Grannis Dyrektor zarządzający, Cloud CTO Office, Google Valliappa (Lak) Lakshmanan jest globalnym kierownikiem działu analizy informacji i rozwiązań nienaturalnej inteligencji w Google Cloud.

Sara Robinson jest rzeczniczką deweloperów w zespole Google Cloud, skupiającą się na uczeniu maszynowym. Michael Munn jest inżynierem rozwiązań uczenia maszynowego w Google, gdzie pomaga klientom projektować, implementować i wdrażać modele uczenia maszynowego.