Inżynieria uczenia maszynowego w działaniu

Opinie czytelników

Książka jest wysoko ceniona za praktyczne podejście do MLOps, zapewniając jasne wskazówki dotyczące konfigurowania infrastruktury nauki o danych i skutecznego wdrażania praktyk uczenia maszynowego. Oferuje cenne przykłady kodu i rzeczywiste spostrzeżenia korzystne dla inżynierów ML.

⬤ Przejrzysty, zwięzły tekst
⬤ cenne przykłady kodu
⬤ kompleksowe wskazówki dotyczące rozwoju potoku ML
⬤ praktyczne spostrzeżenia z rzeczywistych projektów
⬤ obejmuje szeroki zakres tematów, od infrastruktury po wdrożenie.

Nie wymieniono żadnych znaczących wad; jednak czytelnicy mogą oczekiwać wcześniejszej znajomości teorii ML, aby w pełni skorzystać z treści.

(na podstawie 5 opinii czytelników)

Oryginalny tytuł:

Machine Learning Engineering in Action

Zawartość książki:

Sprawdzone w praktyce wskazówki, sztuczki i wzorce projektowe do tworzenia projektów uczenia maszynowego, które można wdrażać, utrzymywać i zabezpieczać od koncepcji do produkcji.

Machine Learning Engineering in Action przedstawia podejście do budowania systemów uczenia maszynowego, które można wdrażać i utrzymywać. Zaadoptujesz standardy tworzenia oprogramowania, które zapewnią lepsze zarządzanie kodem i ułatwią testowanie, skalowanie, a nawet ponowne wykorzystanie kodu uczenia maszynowego!

Dowiesz się, jak planować i określać zakres projektu, zarządzać logistyką między zespołami, aby uniknąć śmiertelnych błędów w komunikacji, a także projektować architekturę kodu w celu zwiększenia odporności. Dowiesz się nawet, kiedy nie używać uczenia maszynowego - i poznasz alternatywne podejścia, które mogą być tańsze i bardziej efektywne. Kiedy skończysz pracę z tym przewodnikiem, będziesz w stanie niezawodnie dostarczać opłacalne rozwiązania zarówno dla dużych, jak i małych organizacji.

Zakup książki drukowanej obejmuje bezpłatny eBook w formatach PDF, Kindle i ePub od Manning Publications.