Projetando sistemas de machine learning
processo interativo para aplicações prontas para produção

Huyen, Chip (Autor) , Ravaglia, Cibelle (Tradutor)

visão computacional, aprendizado não supervisionado, Undersampling, conjunto de tese, Inteligência Artificial (IA), algoritmo de classificação, Artificial Intelligence (AI), algoritmo de regressão, Clustering, CHIP HUYEN, Processamento de Linguagem Natural (NLP), validação cruzada, gradiente descendente, aprendizado supervisionado, conjunto de treinamento, aprendizado por reforço, árvores de decisão, matriz de confusão, Data Mining, Deep Learning, O’REILLY, TensorFlow e Keras, precisão e recall, floresta aleatória, Machine Learning (ML), Aprendizado de Máquina (AM), acurácia, Overfitting, Designing Machine Learning Systems, F1-Score, redes neurais, Oversampling

Sinopse

Projetando Sistemas de Machine Learning Os sistemas de Machine Learning (ML) são complexos e únicos. Complexos porque são compostos de muitos componentes diferentes e envolvem muitas partes interessadas diferentes. Únicos porque são dependentes de dados, e esses dados variam muito de um caso de uso para outro. Neste livro, você aprenderá uma abordagem holística para projetar sistemas de ML que sejam confiáveis, escaláveis, de fácil manutenção e adaptáveis a ambientes em constante mudança e requisitos de negócios. A autora Chip Huyen, cofundadora da Claypot AI, considera como cada decisão de design — como processar e criar dados de treinamento, quais recursos usar, com que frequência treinar modelos e o que monitorar — pode ajudar seu sistema como um todo a atingir os objetivos. A estrutura iterativa neste livro usa estudos de caso reais respaldados por vastas referências. Este livro o ajudará a lidar com os seguintes cenários: Engenharia de dados e escolha das métricas adequadas para resolver problemas de negócios Automatizar o processo para desenvolver, avaliar, fazer deploy e atualizar continuamente modelos Desenvolver um sistema de monitoramento para detectar e resolver depressa os problemas que seus modelos podem encontrar em produção Arquitetar uma plataforma de ML que atende a todos os casos de uso Desenvolvimento de sistemas responsáveis de ML “Este é simplesmente o melhor livro para se ler sobre como criar, implementar e escalar modelos de machine learning em uma empresa para obter o máximo impacto.”—Josh Wills Engenheiro de Software na WeaveGrid e ex-diretor de Data Engineering no Slack “Em um mapa próspero do ecossistema, ainda que caótico, a visão de princípios apresentados sobre ML de ponta a ponta serve como uma leitura obrigatória para profissionais dentro e fora da Big Tech, sobretudo para aqueles que trabalham em “escala razoável.”—Jacopo Tagliabue Diretor de IA da Coveo

Metadado adicionado em 15/03/2024

Encontrou alguma informação errada? Perguntar para a Editora Alta Books

ISBN relacionados

--

Metadados completos: