Makine Öğrenmesi Sistemleri Tasarlamak

Makine öğrenmesi sistemleri hem karmaşık hem benzersizdir Karmaşıktır çünkü farklı birçok bileşenden oluşur ve farklı birçok paydaş içerir Benzersizdir çünkü veriye bağımlıdır ve bu veriler bir kullanım senaryosundan diğerine alabildiğine değişir Bu kitapta güvenilir ölçeklenebilir sürdürülebilir ve değişen ortamlara ve iş gereksinimlerine uyabilen makine öğrenmesi sistemleri tasarlamaya yönelik bütüncül bir yaklaşım öğreneceksiniz Claypot AI ın kurucu ortağı olan yazar Chip Huyen eğitim verilerinin nasıl işleneceği ve oluşturulacağı hangi özniteliklerin kullanılacağı modellerin hangi sıklıkla yeniden eğitileceği ve neyin izleneceği gibi her bir tasarım kararını bu kararın sisteminizin hedeflerine bir bütün olarak ulaşmasına nasıl yardımcı olabileceği bağlamında değerlendirmektedir Bu kitaptaki yinelemeli çerçeve bol miktarda referans tarafından desteklenen gerçek örnek durum çalışmalarını kullanmaktadır Bu kitap aşağıdaki gibi senaryoları ele almanıza yardımcı olacaktır Bir iş problemini çözmek için verilerin mühendisliğini yapmak ve doğru metrikleri seçmek Modelleri sürekli olarak geliştirmek değerlendirmek dağıtmak ve güncellemek için süreci otomatikleştirmek Modellerinizin üretim esnasında karşılaşabileceği sorunları hızlıca tespit etmek ve ele almak için bir izleme sistemi geliştirmek Kullanım senaryoları arasında hizmet sunan bir makine öğrenmesi platformu tasarlamak Sorumlu makine öğrenmesi sistemleri geliştirmek Bu tek kelimeyle en büyük etki için bir şirkette makine öğrenmesi modellerinin nasıl geliştirilip dağıtılıp ölçekleneceğiyle ilgili okuyabileceğiniz en iyi kitaptır Josh Wills WeaveGrid de Yazılım Mühendisi ve Data Engineering Slack ın eski yöneticisi Gelişen fakat kaotik bir ekosistemde uçtan uca makine öğrenmesine yönelik bu prensipli görüş hem haritanız hem pusulanızdır Teknoloji devlerinin içerisinde ve dışarısında bulunan pratisyenler için mutlaka okunması gereken bir kitap Jacopo Tagliabue AI Coveo nun yöneticisi