许多教程向您展示了如何从构思到部署模型开发ML系统。但是随着工具的不断变化,这些系统很快就会过时。如果没有一个有意的设计来将组件组合在一起,这些系统将成为技术上的负担,容易出错并很快崩溃。 在这本书中,Chip Huyen为设计真实世界的ML系统提供了一个框架,可以快速部署、可靠、可伸缩和迭代。这些系统有能力从新的数据中学习,改进过去的错误,并适应不断变化的需求和环境。您将学习从项目范围、数据管理、模型开发、部署和基础设施到团队结构和业务分析的所有内容。

  • 了解生产中ML系统的挑战和需求
  • 用不同的采样和标记方法建立训练数据
  • 利用最佳技术为ML模型设计特性,以避免数据泄漏
  • 选择、开发、调试和评估最适合您的任务的ML模型
  • 为不同的硬件部署不同类型的ML系统
  • 探索主要的基础设施选择和硬件设计
  • 理解机器学习的人的方面,包括将机器学习集成到业务、用户体验和团队结构中
成为VIP会员查看完整内容
76

相关内容

【2022新书】机器学习基础,225页pdf,Machine Learning The Basics
【Manning新书】MLOps工程规模化,344页pdf
专知
21+阅读 · 2022年5月4日
大数据分析研究组开源Easy Machine Learning系统
中国科学院网络数据重点实验室
14+阅读 · 2017年6月13日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年7月3日
Arxiv
0+阅读 · 2022年6月30日
Arxiv
21+阅读 · 2019年11月24日
VIP会员
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员