Systemy uczenia maszynowego (ML) charakteryzują się złożonością i unikatowością. Zmiana w jednym z wielu składników może niezwykle wpłynąć na całość. Zaimplementowane w modelach informacje diametralnie różnią się od siebie w poszczególnych przypadkach użycia. To wszystko powoduje,niezwykle trudno jest stworzyć taki system, jeśli każdy element zostaje zaprojektowany oddzielnie. By zbudować aplikację korzystającą z ML i nadającą się do wdrożenia w środowisku produkcyjnym, konieczne jest podejmowanie decyzji projektowych z uwzględnieniem cech systemu jako całości.
To książka asygnowana dla inżynierów, którzy chcą stosować systemy uczenia maszynowego do rozwiązywania rzeczywistych problemów biznesowych. Zaprezentowano w niej systemy ML używane w błyskawicznie rozwijających się startupach i przedstawiono holistyczne podejście do ich projektowania ― z uwzględnieniem różnorodnych części systemu i celów osób zaangażowanych w proces. Dużo uwagi poświęcono analizie decyzji projektowych, dotyczących między innymi sposobu tworzenia i przetwarzania informacji treningowych, wyboru wskaźników, częstotliwości ponownego treningu modelu czy techniki monitorowania pracy aplikacji. Zaprezentowana tu koncepcja iteracyjna natomiast zezwala na uzyskanie pewności, że podejmowane decyzje są trafne z punktu widzenia pracy całości systemu. Co ważne, poszczególne zagadnienia zostały zilustrowane rzeczywistymi studiami przypadków.
W książce pomiędzy innymi:
Wdrażaj i skaluj modele tak, by uzyskiwać najlepsze wyniki!