کتاب طراحی سیستم‌های یادگیری ماشین

سیستم‌های یادگیری ماشین هم پیچیده و هم منحصر‌به‌فرد هستند. پیچیده از این جهت که از اجزای مختلف زیادی تشکیل شده‌اند و ذی‌نفعان متعددی را در بر می‌گیرند. منحصر‌به‌فرد هستند زیرا وابسته به داده می‌باشند و داده‌ها از یک مورد استفاده به مورد دیگر به شدت تغییر می‌کنند. در این کتاب، شما یک رویکرد جامع برای طراحی سیستم‌های یادگیری ماشین خواهید آموخت که قابل اعتماد (Reliable)، مقیاس‌پذیر (Scalable)، قابل نگهداری (Maintainable) و تطبیق‌پذیر (Adaptive) با تغییرات محیط و الزامات کسب‌وکار باشند. نویسنده کتاب، چیپ هوین (Chip Huyen)، هم‌بنیان‌گذار Claypot AI، هر تصمیم طراحی—مانند نحوه پردازش و ایجاد داده‌های آموزشی، ویژگی‌های مورد استفاده، فواصل زمانی بازآموزی مدل‌ها و موارد قابل پایش—را در چارچوب چگونگی دستیابی سیستم به اهداف کلی خود بررسی می‌کند. چارچوب تکرارپذیر این کتاب از مطالعه‌های موردی واقعی همراه با منابع متعدد استفاده می‌کند. این کتاب به شما کمک می‌کند تا سناریوهایی مانند موارد زیر را مدیریت کنید: مهندسی داده و انتخاب معیارهای مناسب برای حل یک مسئله کسب‌وکار خودکارسازی فرآیند توسعه، ارزیابی، استقرار (Deployment) و به‌روزرسانی مداوم مدل‌ها توسعه یک سیستم پایش (Monitoring System) برای شناسایی و رفع سریع مشکلاتی که مدل‌ها در محیط عملیاتی با آن مواجه می‌شوند معماری یک پلتفرم یادگیری ماشین که در موارد استفاده گوناگون خدمت‌رسانی کند توسعه سیستم‌های یادگیری ماشین مسئولانه (Responsible ML)

اشتراکی