設計機器學習系統｜迭代開發生產環境就緒的 ML 程式 (Designing Machine Learning Systems: An Iterative Process for Production-Ready Applications)
Chip Huyen 著 Arthur Cho 譯
- 出版商: 歐萊禮
- 出版日期: 2023-11-02
- 定價: $780
- 售價: 7.9 折 $616
- 語言: 繁體中文
- 頁數: 400
- 裝訂: 平裝
- ISBN: 6263246421
- ISBN-13: 9786263246423
-
相關分類:
Machine Learning
- 此書翻譯自: Designing Machine Learning Systems: An Iterative Process for Production-Ready Applications (Paperback)
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
精通正規表達式, 3/e (Mastering Regular Expressions, 3/e)$780$616 -
Bad Data 技術手冊 (Bad Data Handbook: Cleaning Up The Data So You Can Get Back To Work)$480$379 -
告別瀑布，擁抱 Scrum：解析微軟與 Adobe 如何在 30 天內開發出新軟體 (Software in 30 Days: How Agile Managers Beat the Odds, Delight Their Customers, And Leave Competitors In the Dust)$320$250 -
機器學習工程師面試全破解：嚴選124道AI演算法決勝題完整剖析$650$507 -
深度學習推薦系統$648$616 -
機器學習｜特徵工程 (Feature Engineering for Machine Learning)$520$411 -
精通 Python｜運用簡單的套件進行現代運算, 2/e (Introducing Python: Modern Computing in Simple Packages, 2/e)$880$695 -
強化式學習：打造最強 AlphaZero 通用演算法$780$616 -
資料密集型應用系統設計 (Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems)$980$774 -
機器學習設計模式 (Machine Learning Design Patterns: Solutions to Common Challenges in Data Preparation, Model Building, and Mlops)$680$537 -
AI 開發的機器學習系統設計模式$620$465 -
精通無瑕程式碼：工程師也能斷捨離！消除複雜度、提升效率的 17個關鍵技法 (The Art of Clean Code: Best Practices to Eliminate Complexity and Simplify Your Life)$600$468 -
流暢的 Python｜清晰、簡潔、高效的程式設計, 2/e (Fluent Python: Clear, Concise, and Effective Programming, 2/e)$1,200$948 -
商業分析師的數位轉型專案策略：結合 ChatGPT 從商業分析到需求工程管理實務$650$429 -
MLOps 工程實務：工具、技術與企業級應用$654$621 -
資料視覺化｜使用 Python 與 JavaScript, 2/e (Data Visualization with Python and JavaScript: Scrape, Clean, Explore, and Transform Your Data, 2/e)$880$695 -
從異世界歸來發現只剩自己不會 Kubernetes：初心者進入雲端世界的實戰攻略！（iThome鐵人賽系列書）【軟精裝】$720$612 -
刷題實戰筆記：演算法工程師求職加分的祕笈 (暢銷回饋版)$720$562 -
精通機器學習｜使用 Scikit-Learn , Keras 與 TensorFlow, 3/e (Hands-On Machine Learning with Scikit-Learn, Keras, and Tensorflow: Concepts, Tools, and Techniques to Build Intelligent Systems, 3/e)$1,200$948 -
跟 NVIDIA 學深度學習！從基本神經網路到 ......、GPT、BERT...，紮穩機器視覺與大型語言模型 (LLM) 的建模基礎$880$695 -
Staff 工程師之路｜獻給個人貢獻者成長與改變的導航指南 (The Staff Engineer's Path)$580$458 -
邊緣AI｜使用嵌入式機器學習解決真實世界的問題 (AI at the Edge: Solving Real-World Problems with Embedded Machine Learning)$880$695 -
機器學習的高風險應用｜負責任的人工智慧方法 (Machine Learning for High-Risk Applications: Approaches to Responsible AI)$780$616 -
建立演進式系統架構｜支援常態性的變更, 2/e (Building Evolutionary Architectures: Automated Software Governance, 2/e)$580$458 -
機器學習的訓練資料 (Training Data for Machine Learning)$780$616
相關主題
商品描述
「簡而言之，這是關於如何在公司構建、部署和擴展機器學習模型以獲得最大影響的最佳書籍。 」
—Josh Wills
WeaveGrid軟體工程師和前任Slack資料工程總監
「在蓬勃發展但混亂的生態系統中，提供了ML從端到端的原則性視角，既是地圖又是指南針；大型科技公司內外的從業者必讀。」
—Jacopo Tagliabue
Coveo人工智慧總監
機器學習系統既複雜又獨特，複雜之處在於系統組件繁多，並涉及許多不同的持份者。獨特之處在於系統依賴資料，且資料在不同使用案例中大有不同。在本書，您將學習一種整體方法來設計可靠、可擴展、可維護，並能適應不斷變化環境和業務需求的機器學習系統。
Claypot AI的聯合創始人、作者Chip Huyen考慮了每項設計決策—如何處理和創建訓練資料、使用哪些功能、重新訓練模型的頻率以及監控範圍，讓系統全面達標。本書提出的迭代框架結合實際案例研究，案例背後具大量參考文獻支持。
本書將幫助您應對以下場景：
‧規劃資料並選擇正確的指標來解決業務問題
‧自動化流程以持續開發、評估、部署和更新模型
‧開發監控系統，以快速檢測和解決模型在生產環境可能遇到的問題
‧構建跨用例服務的ML平台
‧開發負責任的機器學習系統
作者簡介
Chip Huyen 是實時機器學習平台Claypot AI的聯合創辦人。她曾於NVIDIA，Netflix，及Snorkel AI工作，從中幫助了全球最大型的機構開發和部署ML系統。Chip以自己在斯坦福大學任教的課程「CS 329s：機器學習系統設計」作為本書藍本。
目錄大綱
前言
第1章 機器學習系統概覽
第2章 機器學習系統設計簡介
第3章 資料工程基礎
第4章 訓練資料
第5章 特徵工程
第6章 模型開發和離線評估
第7章 模型部署和預測服務
第8章 資料分布轉移和監控
第9章 在生產中持續學習和測試
第10章 MLOps 的基礎設施和工具
第11章 涉及人類的機器學習
結語
索引
