Systeme des maschinellen Lernens sind sowohl komplex als auch einzigartig. Komplex, weil sie aus vielen verschiedenen Komponenten bestehen und viele verschiedene Interessengruppen einbeziehen. Einzigartig, weil sie datenabhängig sind, wobei die Daten von einem Anwendungsfall zum nächsten stark variieren.. In diesem Buch lernen Sie einen ganzheitlichen Ansatz für das Design von ML-Systemen, die zuverlässig, skalierbar, wartbar und anpassungsfähig an sich ändernde Umgebungen und Geschäftsanforderungen sind.
Autor Chip Huyen, Mitbegründer von Claypot AI, betrachtet jede Designentscheidung – wie die Verarbeitung und Erstellung von Trainingsdaten, welche Merkmale verwendet werden sollen, wie oft Modelle neu trainiert werden und was überwacht werden soll – im Kontext, wie sie Ihrem System als Ganzem helfen kann, seine Ziele zu erreichen.. Der iterative Rahmen in diesem Buch verwendet tatsächliche Fallstudien, die durch zahlreiche Referenzen belegt sind.
Dieses Buch wird Ihnen helfen, Szenarien wie:
Technische Daten und die Auswahl der richtigen Metriken zur Lösung eines Geschäftsproblems
Automatisierung des Prozesses zur kontinuierlichen Entwicklung, Bewertung, Bereitstellung und Aktualisierung von Modellen
Entwicklung eines Überwachungssystems zur schnellen Erkennung und Behebung von Problemen, die Ihre Modelle in der Produktion haben könnten
Architektur einer ML-Plattform, die für verschiedene Anwendungsfälle dient
Verantwortungsvolle ML-Systeme entwickeln
Über den Autor
Chip Huyen ist Mitbegründer von Claypot AI, einer Plattform für maschinelles Lernen in Echtzeit.. Durch ihre Arbeit bei NVIDIA, Netflix und Snorkel AI hat sie einigen der weltweit größten Organisationen geholfen, maschinelle Lernsysteme zu entwickeln und einzusetzen.. Sie unterrichtet CS 329S: Maschinelles Lernen Systemdesign an der Stanford University, auf dessen Vorlesungsnotizen dieses Buch basiert.