Wzorce projektowe uczenia maszynowego

W książce zaprezentowane są najlepsze praktyki oraz skuteczne rozwiązania powtarzalnych wyzwań w obszarze uczenia maszynowego. Autorzy, trzej doświadczeni inżynierowie z firmy Google, zgromadzili sprawdzone strategie, aby ułatwić specjalistom ds. analizy danych radzenie sobie z typowymi problemami pojawiającymi się na różnych etapach procesu uczenia maszynowego. Te wzorce projektowe są wynikiem wiedzy setek ekspertów, przedstawione w formie jasnych i dostępnych wskazówek.W publikacji znajdziesz dokładne omówienia 30 wzorców dotyczących reprezentacji danych, operacjonalizacji, powtarzalności, odtwarzalności, elastyczności, objaśnialności oraz bezstronności. Każdy wzorzec zawiera opis problemu, różnorodne możliwe rozwiązania oraz zalecenia, jak wybrać najodpowiedniejszą technikę w konkretnym kontekście.Dowiesz się, jak:- Identyfikować i redukować powszechne problemy związane z uczeniem, oceną oraz wdrażaniem modeli uczenia maszynowego.- Prezentować dane dla różnych rodzajów modeli, korzystając z reprezentacji wektorowych, krzyżowania cech i innych technik.- Dobierać odpowiedni typ modelu do specyficznych wyzwań.- Tworzyć efektywne pętle uczenia z użyciem punktów kontrolnych oraz strategii rozkładu i strojenia hiperparametrów.- Implementować skalowalne systemy uczenia maszynowego, które można aktualizować i dostosowywać do nowych danych.- Interpretować prognozy modeli dla interesariuszy, zapewniając, że modele traktują użytkowników w sposób bezstronny.- Zwiększać dokładność, odtwarzalność i elastyczność.Dzięki szerokiej gamie przykładów, książka ta jest nieodzowną pozycją dla badaczy danych i inżynierów uczenia maszynowego, którzy chcą zgłębić sprawdzone podejścia do złożonych problemów z zakresu uczenia maszynowego.David Kanter, Dyrektor wykonawczy w ML Commons, podkreśla, że można uniknąć wielu problemów dzięki wiedzy autorów książki, a Will Grannis, Dyrektor zarządzający w Cloud CTO Office w Google, potwierdza, że Lak, Sara i Michael są ekspertami, na których można polegać. Valliappa (Lak) Lakshmanan kieruje globalnym działem analizy danych i sztucznej inteligencji w Google Cloud. Sara Robinson pełni rolę rzecznika deweloperów w Google Cloud, skupiając się na uczeniu maszynowym, a Michael Munn jest inżynierem rozwiązań uczących, wspierając klientów w projektowaniu, implementacji i wdrażaniu modeli.