Rozwiązania standardowych problemów dotyczących przygotowania danych, konstruowania modeli i MLOps Wzorce projektowe opisane w tej książce obejmują najkorzystniejsze praktyki i rozwiązania powtarzalnych problemów w uczeniu maszynowym.
Autorzy, troje inżynierów z firmy Google, skatalogowali sprawdzone metody, żeby pomóc badaczom informacji sprostać charakterystycznym problemom występującym w całym procesie uczenia maszynowego. Te wzorce projektowe kodyfikują doświadczenie setek ekspertów w prostych, dostępnych radach.
W tej książce odnajdziesz szczegółowe wyjaśnienia 30 wzorców reprezentacji informacji i problemów, operacjonalizacji, powtarzalności, odtwarzalności, rozciągliwości, objaśnialności i bezstronności. Każdy wzorzec obejmuje opis problemu, najróżniejsze potencjalne rozwiązania i rekomendacje dotyczące wyboru najkorzystniejszej techniki w danej sytuacji.
Nauczysz się: • Rozpoznawać i minimalizować typowe problemy występujące w trakcie uczenia, oceniania, a także wdrażania modeli uczenia maszynowego • demonstrujeć informacje dla różnych typów modeli uczenia maszynowego, w postaci reprezentacji wektorowych, krzyżowania cech i nie tylko • Wybierać korzystny typ modelu dla potężnych problemów • Konstruować sprawną pętlę uczenia z wykorzystaniem punktów kontrolnych, strategii rozkładu i strojenia hiperparametrów • Wdrażać skalowalne systemy uczenia maszynowego, które można uczyć ponownie i aktualizować, by odzwierciedlać świeże dane • Interpretować predykcje modeli dla interesariuszy i zapewniać, iż modele traktują użytkowników bezstronnie • powiększać precyzyjność, odtwarzalność i elastyczność „Dzięki znakomitym, rozmaitym 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 informacji 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.
