Jak projektować systemy uczenia maszynowego (Helion)

Systemy uczenia maszynowego (ML) charakteryzują się złożonością i unikatowością. Zmiana w jednym z wielu składników może stanowczo wpłynąć na całość. Zaimplementowane w modelach dane diametralnie różnią się od siebie w poszczególnych przypadkach wykorzystania. To wszystko powoduje,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 asygnowana dla inżynierów, którzy chcą stosować systemy uczenia maszynowego do rozwiązywania rzeczywistych problemów biznesowych. Zaprezentowano w niej systemy ML używane w szybko rozwijających się startupach i przedstawiono holistyczne podejście do ich projektowania ― z uwzględnieniem najróżniejszych elementów 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 słuszne 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, żeby uzyskiwać najlepsze wyniki!