Uczenie maszynowe jest coraz popularniejsze. Stosuje się je w systemach wsparcia, systemach rekomendacyjnych, tłumaczeniach tekstów i wielu innych aplikacjach. Jednak w trakcie tworzenia tego typu produktów inżynierowie napotykają bardzo poważne problemy.
Jeśli ich nie rozwiążą, nawet obiecujący projekt może upaść. Trudność polega na tym,wykorzystanie uczenia maszynowego w konkretnej, użytkowej aplikacji jest złożonym zadaniem. Potrzebne są wybór właściwej implementacji danej funkcjonalności, analiza błędów modelu, rozwiązanie problemów z czystością i weryfikacja wyników gwarantująca odpowiednią jakość produktu.
To książka dedykowana dla programistów i menedżerów, którzy wśród rodzących się idei uczenia maszynowego wciąż poszukują rozwiązań dla swego biznesu. Autor omawia krok po kroku proces tworzenia i wdrażania aplikacji opartej na uczeniu maszynowym, a funkcjonalne koncepcje pokazuje za pomocą przykładowych kodów, rysunków i wywiadów z liderami w tej dziedzinie.
Podpowiada, jak planować aplikację i oceniać jej jakość. Wyjaśnia także, jak efektywny model, i prezentuje metody jego systematycznego usprawniania, aż do momentu osiągnięcia celu. W końcowej części opisuje strategie wdrażania i monitorowania modelu.
W odróżnieniu od innych pozycji poświęconych uczeniu maszynowym ten przewodnik skupia się typowo na definiowaniu problemów, diagnozowaniu modeli i ich wdrażaniu. Dzięki tej książce: łatwiej określisz, do czego artykuł ma służyć adekwatnie zdefiniujesz problem uczenia maszynowego ekspresowo zbudujesz kompletny cykl i pozyskasz początkowy zbiór danych zbudujesz, wytrenujesz i zoptymalizujesz model wdrożysz model w środowisku produkcyjnym przyjmiesz najlepszą metodę monitorowania pracy modelu dobry pomysł - to zaledwie początek.
Najważniejsze dzieje się później! Powyższy opis pochodzi od wydawcy.