機器學習係統既複雜又獨特,複雜之處在於係統組件繁多,並涉及許多不同的持份者。獨特之處在於係統依賴資料,且資料在不同使用案例中大有不同。在本書,您將學習一種整體方法來設計可靠、可擴展、可維護,並能適應不斷變化環境和業務需求的機器學習係統。
Claypot AI的聯閤創始人、作者Chip Huyen考慮瞭每項設計決策—如何處理和創建訓練資料、使用哪些功能、重新訓練模型的頻率以及監控範圍,讓係統全麵達標。本書提齣的迭代框架結閤實際案例研究,案例背後具大量參考文獻支持。
本書將幫助您應對以下場景:
‧規劃資料並選擇正確的指標來解決業務問題
‧自動化流程以持續開發、評估、部署和更新模型
‧開發監控係統,以快速檢測和解決模型在生產環境可能遇到的問題
‧構建跨用例服務的ML平颱
‧開發負責任的機器學習係統
名人推薦
「簡而言之,這是關於如何在公司構建、部署和擴展機器學習模型以獲得最大影響的最佳書籍。 」
—Josh Wills(WeaveGrid軟體工程師和前任Slack資料工程總監)
「在蓬勃發展但混亂的生態係統中,提供瞭ML從端到端的原則性視角,既是地圖又是指南針;大型科技公司內外的從業者必讀。」 —Jacopo Tagliabue(Coveo人工智慧總監)