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

Systeme des maschinellen Lernens sind sowohl komplex als auch einzigartig. Komplex, weil sie aus vielen verschiedenen Komponenten bestehen und viele verschiedene Stakeholder betreffen. Einzigartig, weil sie datenabhängig sind und die Daten von einem Anwendungsfall zum nächsten stark variieren. In diesem Buch lernen Sie einen ganzheitlichen Ansatz kennen, um ML-Systeme zu entwerfen, die zuverlässig, skalierbar, wartbar und an wechselnde Umgebungen und Geschäftsanforderungen anpassbar sind.

Die Autorin Chip Huyen, Mitgründerin von Claypot AI, betrachtet jede Designentscheidung – wie die Verarbeitung und Erstellung von Trainingsdaten, die Auswahl der Features, die Häufigkeit des Modell-Retrainings und die zu überwachenden Aspekte – im Hinblick darauf, wie sie Ihrem System insgesamt dabei helfen kann, seine Ziele zu erreichen. Der iterative Rahmen in diesem Buch nutzt anhand zahlreicher Referenzen untermauerte Fallstudien aus der Praxis.

Dieses Buch hilft Ihnen bei der Bewältigung von Szenarien wie: Daten aufbereiten und die richtigen Metriken zur Lösung eines Geschäftsproblems auswählen Automatisierung des Prozesses zur kontinuierlichen Entwicklung, Bewertung, Bereitstellung und Aktualisierung von Modellen Entwicklung eines Überwachungssystems zur schnellen Erkennung und Behebung von Problemen, die Ihre Modelle im Produktivbetrieb aufweisen könnten Architektur einer ML-Plattform, die für verschiedene Anwendungsfälle genutzt werden kann Entwicklung verantwortungsvoller ML-Systeme