Design von Machine-Learning-Systemen: Ein iterativer Prozess für produktionsreife Anwendungen

Maschinelles Lernen ist sowohl komplex als auch einzigartig. Komplex, weil ML-Systeme aus vielen verschiedenen Komponenten bestehen und viele verschiedene Interessengruppen involvieren. Einzigartig, weil sie datenabhängig sind und die Daten von Anwendungsfall zu Anwendungsfall stark variieren. In diesem Buch lernen Sie einen ganzheitlichen Ansatz zum Entwurf von ML-Systemen kennen, die zuverlässig, skalierbar, wartbar und an sich ändernde Umgebungen und Geschäftsanforderungen anpassbar sind.

Die Autorin Chip Huyen, Mitbegründerin von Claypot AI, betrachtet jede Designentscheidung – wie die Verarbeitung und Erstellung von Trainingsdaten, welche Features verwendet werden sollen, wie oft Modelle neu trainiert werden sollen und was überwacht werden soll – im Kontext, wie sie Ihrem System als Ganzes helfen kann, seine Ziele zu erreichen. Das iterative Framework in diesem Buch verwendet tatsächliche Fallstudien, die durch zahlreiche Referenzen untermauert werden.

Dieses Buch hilft Ihnen, Szenarien wie die folgenden zu bewältigen: Entwicklung von Daten und Auswahl der richtigen Metriken zur Lösung eines Geschäftsproblems Automatisierung des Prozesses zur kontinuierlichen Entwicklung, Evaluierung, Bereitstellung und Aktualisierung von Modellen Entwicklung eines Überwachungssystems zur schnellen Erkennung und Behebung von Problemen, die Ihre Modelle in der Produktion haben könnten Architekturen einer ML-Plattform, die über Anwendungsfälle hinweg dient Entwicklung verantwortungsvoller ML-Systeme