Building Machine Learning Powered Applications: De la idee la produs

Recenzii ale cititorilor

Cartea „Building Machine Learning Powered Applications: De la idee la produs” este considerată o resursă valoroasă pentru managerii și cercetătorii de date aspiranți care caută perspective practice în crearea de aplicații de învățare automată. În timp ce mulți recenzenți apreciază structura sa clară și exemplele din lumea reală, unii o critică pentru că este prea superficială și lipsită de profunzime pentru practicienii mai experimentați.

Foarte recomandat pentru managerii de echipă și pentru cei noi în știința datelor.

Ușor de citit și bine structurată.

(pe baza a 18 recenzii ale cititorilor)

Titlul original:

Building Machine Learning Powered Applications: Going from Idea to Product

Conținutul cărții:

Învățați abilitățile necesare pentru a proiecta, construi și implementa aplicații bazate pe învățare automată (ML). Pe parcursul acestei cărți practice, veți construi un exemplu de aplicație bazată pe ML, de la ideea inițială până la produsul implementat. Oamenii de știință de date, inginerii de software și managerii de produs - inclusiv practicienii experimentați și novicii deopotrivă - vor învăța pas cu pas instrumentele, cele mai bune practici și provocările implicate în construirea unei aplicații ML din lumea reală. Autorul Emmanuel Ameisen, un cercetător de date cu experiență care a condus un program de educație în domeniul inteligenței artificiale, demonstrează conceptele practice de ML folosind fragmente de cod, ilustrații, capturi de ecran și interviuri cu lideri din industrie. Partea I vă învață cum să planificați o aplicație ML și cum să măsurați succesul. Partea a II-a explică cum să construiți un model ML funcțional. Partea a III-a demonstrează modalități de îmbunătățire a modelului până când acesta îndeplinește viziunea dumneavoastră inițială. Partea a IV-a acoperă strategiile de implementare și monitorizare. Această carte vă va ajuta:

⬤ Definiți obiectivul produsului dvs. și configurați o problemă de învățare automată.

⬤ Construiți rapid primul dvs. pipeline end-to-end și achiziționați un set de date inițial.

⬤ Antrenați-vă și evaluați-vă modelele ML și abordați blocajele de performanță.

⬤ Implementați și monitorizați modelele dvs. într-un mediu de producție.