【新书】机器学习升级：数据科学家的MLOps、大语言模型和ML基础设施指南

亟需的工作空间新技术实施指南

来自该领域专家的著作《机器学习升级：数据科学家的MLOps、大语言模型和ML基础设施指南》为数据科学家和管理人员提供了管理、大语言模型（LLMs）、机器学习和数据科学交汇处的最佳实践。这本开创性的书籍将改变您对数据科学流程的看法。作者介绍了现代机器学习，展示了如何将其视为一个整体的、端到端的系统——而不仅仅是在一个不变的操作结构中添加的一个新颖工具。通过采用以数据为中心的世界观，您可以开始将非结构化数据和LLMs视为构建无数应用和商业解决方案的基础。本书探讨了尚未成文的决策世界，使您能够利用新兴的最佳实践开创未来。

• 了解大语言模型与非结构化数据的交汇点
• 跟随构建基于LLM的应用程序的过程，同时利用数据版本控制和实验跟踪等MLOps技术
• 探索训练、微调和评估LLMs的最佳实践
• 将LLM应用集成到更大的系统中，监控其性能，并在新数据上重新训练它们
• 本书对于希望理解LLMs和整个数据科学流程的数据专业人士和业务领导者来说不可或缺。

封底介绍

一种用于开发基于大语言模型（LLM）应用程序的端到端框架传统上，数据科学家和软件工程师之间存在分歧。然而，随着LLMs的出现，这种情况发生了变化。机器学习不再只是数据分析的工具，而是现代软件应用程序的基本特征。在《机器学习升级》一书中，数据科学家不仅获得了理解LLMs的综合框架，还学习了构建高效、可复制和可扩展的LLM应用程序的方法。本书由领先的数据科学家撰写，为您带来LLM技术的最新进展，并提供了如何将其负责任地集成到业务中的概念性和实践性概述。读者将跟随作者的脚步，构建一个基于LLM的应用程序，提供了其框架在实际操作中的具体示例。数据版本控制、实验跟踪、模型监控和伦理考虑也是本书的核心内容。寻求使用最新技术和实践全面理解LLM应用的各级数据专业人士将从本书中受益。通过采用以数据为中心的视角，我们可以识别整合LLMs的机会，推动业务成功。

关于作者

Kristen Kehrer自2010年以来一直在提供创新和实用的统计建模解决方案。2018年，她因在数据科学与分析领域的贡献被评为LinkedIn年度最具影响力声音。Kristen也是Data Moves Me, LLC的创始人。Caleb Kaiser是Comet的全栈工程师。此前，Caleb是Cortex Labs的创始团队成员。他还曾在Scribe Media的作者平台团队工作。