کتاب یادگیری یادگیری خودکار ماشین

این کتاب به بررسی دقیق خط لوله (Pipeline) سرتاسری AutoML می‌پردازد که شامل ارکستراسیون پیچیده پیش‌پردازش داده، مهندسی ویژگی، انتخاب مدل و بهینه‌سازی ابرپارامترها است. درک این فرآیند باعث می‌شود که AutoML از یک جعبه سیاه به سیستمی شفاف تبدیل شود که می‌توانید آن را اشکال‌زدایی و سفارشی‌سازی کنید. این مبحث شامل موارد زیر است:

• معماری سیستم‌های خودکار.
• استراتژی‌های انتخاب مدل و انباشت (Stacking).
• مدیریت منابع و تخصیص هوشمند.

نویسنده بر شکاف بین ساخت مدل و استقرار موفق آن در تولید تمرکز دارد و روش‌های عملی برای نگهداری مدل‌ها در محیط‌های واقعی ارائه می‌دهد. این بخش شامل ادغام با ابزارهای مدرن و تضمین پایداری مدل‌ها در طول زمان است. مباحث کلیدی عبارتند از:

• یکپارچه‌سازی جریان کاری با MLOps.
• اتوماسیون خط لوله داده با Apache Airflow.
• تحویل مستمر و نظارت بر مدل در تولید.