Projetando Sistemas De Machine Learning - Processo

Projetando Sistemas De Machine Learning Os Sistemas De Machine Learning (ml) São Complexos E Únicos. Complexos Porque São Compostos De Muitos Componentes Diferentes E Envolvem Muitas Partes Interessadas Diferentes. Únicos Porque São Dependentes De Dados, E Esses Dados Variam Muito De Um Caso De Uso Para Outro. Neste Livro, Você Aprenderá Uma Abordagem Holística Para Projetar Sistemas De Ml Que Sejam Confiáveis, Escaláveis, De Fácil Manutenção E Adaptáveis A Ambientes Em Constante Mudança E Requisitos De Negócios. A Autora Chip Huyen, Cofundadora Da Claypot Ai, Considera Como Cada Decisão De Design Como Processar E Criar Dados De Treinamento, Quais Recursos Usar, Com Que Frequência Treinar Modelos E O Que Monitorar Pode Ajudar Seu Sistema Como Um Todo A Atingir Os Objetivos. A Estrutura Iterativa Neste Livro Usa Estudos De Caso Reais Respaldados Por Vastas Referências. Este Livro O Ajudará A Lidar Com Os Seguintes Cenários: Engenharia De Dados E Escolha Das Métricas Adequadas Para Resolver Problemas De Negócios Automatizar O Processo Para Desenvolver, Avaliar, Fazer Deploy E Atualizar Continuamente Modelos Desenvolver Um Sistema De Monitoramento Para Detectar E Resolver Depressa Os Problemas Que Seus Modelos Podem Encontrar Em Produção Arquitetar Uma Plataforma De Ml Que Atende A Todos Os Casos De Uso Desenvolvimento De Sistemas Responsáveis De Ml Este É Simplesmente O Melhor Livro Para Se Ler Sobre Como Criar, Implementar E Escalar Modelos De Machine Learning Em Uma Empresa Para Obter O Máximo Impacto. Josh Wills Engenheiro De Software Na Weavegrid E Ex-diretor De Data Engineering No Slack Em Um Mapa Próspero Do Ecossistema, Ainda Que Caótico, A Visão De Princípios Apresentados Sobre Ml De Ponta A Ponta Serve Como Uma Leitura Obrigatória Para Profissionais Dentro E Fora Da Big Tech, Sobretudo Para Aqueles Que Trabalham Em Escala Razoável. Jacopo Tagliabue Diretor De Ia Da Coveo