Wzorce projektowe uczenia maszynowego, AZ#2FCC8B2DEB/DL-ebwm/pdf (Promise)

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

Autorzy, troje inżynierów z producenta Google, skatalogowali sprawdzone metody, żeby pomóc badaczom danych sprostać standardowym problemom występującym w całym procesie uczenia maszynowego. Te wzorce projektowe kodyfikują doświadczenie setek ekspertów w prostych, dostępnych radach.

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

Nauczysz się: • Rozpoznawać i minimalizować typowe problemy występujące podczas uczenia, oceniania oraz wdrażania modeli uczenia maszynowego • pokazujeć informacje dla zróżnicowanych typów modeli uczenia maszynowego, w postaci reprezentacji wektorowych, krzyżowania cech i nie tylko • Wybierać dobry rodzaj modelu dla mocnych problemów • Konstruować skuteczną 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 informacje • Interpretować predykcje modeli dla interesariuszy i zapewniać, że modele traktują użytkowników bezstronnie • rozszerzać precyzyjność, odtwarzalność i sprężystość „Dzięki wspaniałym, różnym przykładom ta książka jest obowiązkową lekturą dla badaczy informacji 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 danych i rozwiązań sztucznej 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.