新书《机器学习工程》第七篇「机器学习模型部署」发布，17页pdf
【导读】机器学习现在已经渗透到我们工作生活的方方面面，关于机器学习算法原理的书籍有很多经典教科书，但是实际工程生产系统中的机器学习落地书籍却乏善可陈。来自Gartner机器学习技术负责人Andriy Burkov又一力作机器学习工程《Machine Learning Engineering》，专注机器学习项目实施的工程方面。诸如数据收集、存储、预处理、特性工程以及模型的测试和调试、模型在生产环境中的部署和退出、运行时和后期维护等问题。是值得广大ML工程师关注的一本书。值得一提的是Andriy Burkov撰写的100天机器学习颇受欢迎。
开放书地址：
http://www.mlebook.com/wiki/doku.php
概览
有很多关于机器学习的好书，既有理论性的，也有实践性的。在一本典型的机器学习书籍中，你可以学习机器学习的类型，算法的主要种类，它们是如何工作的，以及如何使用这些算法从数据中构建模型。
典型的机器学习书籍较少关注机器学习项目实施的工程方面。诸如数据收集、存储、预处理、特性工程以及模型的测试和调试、模型在生产环境中的部署和退出、运行时和后期维护等问题，通常要么完全超出了机器学习书籍的范围，要么被肤浅地考虑。
这本书填补了这一空白。
假设读者了解机器学习的基础知识，并且能够使用喜爱的编程语言或机器学习库来构建给定格式的数据集的模型。本书的目标读者是倾向于机器学习工程角色的数据分析师、希望为工作带来更多结构的机器学习工程师、机器学习工程专业的学生，以及经常处理数据分析师和机器学习工程师提供的模型的软件架构师。
本书全面回顾了机器学习工程的最佳实践和设计模式。我建议从头到尾读一遍。但是，您可以以任何顺序阅读章节，因为它们涵盖了机器学习项目生命周期的不同方面，并且彼此之间没有直接的依赖关系。
第七篇模型部署：
便捷下载，请关注专知公众号（点击上方蓝色专知关注）
后台回复"NTUGNN” 就可以获取《【南洋理工大学课程】图神经网络，Graph Neural Networks，附121页PPT》专知下载链接
展开全文
微信扫码咨询专知VIP会员