Машинное обучение. Паттерны проектирования

Валиаппа (Лак) Лакшманан (Valliappa (Lak) Lakshmanan), Майкл Мунн (Michael Munn), Сара Робинсон (Sara Robinson)
Артикул2834
ISBN 978-5-9775-6797-8
Количество страниц 448
Формат издания 165 x 215 мм
Печать Черно-белая
Серия Внесерийные книги

1375 ₽
1169 ₽

  • Бумажная книга
    Бумажная книга
    1 375 ₽
  • Электронная книга
    Электронная книга

    449 ₽

Описание

Приводимые в книге паттерны проектирования отражают лучшие практические подходы к решению типичных задач машинного обучения. Указанные паттерны, реализованные в программном коде, сконцентрировали опыт сотен экспертов в простые и легкодоступные советы. Книга содержит подробный разбор 30 паттернов, служащих для представления данных и задач, тренировки моделей, отказоустойчивого обслуживания, обеспечения воспроизводимо-сти и искусственного интеллекта. Каждый паттерн включает в себя постановку задачи, ряд потенциальных решений и рекомендации по выбору технического приема, наилучшим образом подходящего к данной ситуации.

Для программистов в области машинного обучения

Оригинальное название книги “Machine Learning Design Patterns: Solutions to Common Challenges in Data Preparation, Model Building, and MLOps“, 1st Edition (by Valliappa Lakshmanan, Sara Robinson, Michael Munn)

Коды примеров можно скачать по ссылке https://github.com/GoogleCloudPlatform/ml-design-patterns

На обложке изображена солнечная цапля (лат. Eurypyga helias) — единственный вид монотипичного семейства Eurypygidae, птица родом из тропических районов Центральной и Южной Америки. За необычный окрас крыльев ее называют птицей-бабочкой.

Machine Learning Design Patterns

Вы научитесь

  • Выявлять и преодолевать трудности, встречающиеся во время тренировки, оценивания и развертывания моделей машинного обучения
  • Представлять данные для разных типов моделей машинного обучения, включая векторные вложения, гибриды признаков и многое другое
  • Выбирать правильный тип модели для той или иной задачи
  • Строить надежный цикл тренировки с использованием контрольных точек, распределительной стратегии и гиперпараметрической настройки
  • Разворачивать масштабируемые модели машинного обучения, которые можно переучивать и обновлять с целью учета новых данных
  • Интерпретировать предсказания модели понятным конечному пользователю образом
  • Улучшать точность, воспроизводимость и отказоустойчивость моделей

Еще о книге

Приводимые в этой книге паттерны проектирования отражают лучшие практические подходы к решению типичных задач машинного обучения. Авторы книги, три инженера компании Google, систематизировали проверенные временем методы решений и поместили их в книгу. Указанные паттерны, реализованные в программном коде, превращают опыт сотен экспертов в простые и легкодоступные советы.

Листать

Рекомендации специалистов

David Kanter

Эта книга с ее превосходными и разнообразными примерами обязательна для прочтения любым исследователем данных или инженером в области машинного обучения, стремящимся понять проверенные временем решения сложных задач
Дэвид Кантер, исполнительный директор компании ML Commons

Will Grannis

Если вы хотите, чтобы на вашем пути разработки решений в области машинного обучения было меньше синяков и шишек, то Лак, Сара и Майкл вас прикроют
Уилл Граннис, управляющий директор облачного офиса Google

Решение типичных проблем при подготовке данных, построении моделей и MLOps

Об авторах

Valliappa (Lak) Lakshmanan

Валлиаппа (Лак) Лакшманан (Valliappa (Lak) Lakshmanan) — глобальный руководитель отдела аналитики данных и решений в области искусственного интеллекта в Google Cloud. Руководимый им коллектив строит программно-информационные решения для деловых задач, используя продукты Google Cloud для анализа данных и машинного обучения. Он является основателем программы погружения в проблематику машинного обучения в Лаборатории передовых решений компании Google (Google’s Advanced Solutions Lab ML). До работы в компании Google Лак был директором по исследованию данных в Climate Corporation и научным исследователем в NOAA.

Michael Munn

Майкл Мунн (Michael Munn) — инженер по техническим решениям в области машинного обучения в Google, в которой он работает с заказчиками инфраструктуры Google Cloud, помогая им разрабатывать и развертывать модели машинного обучения. Также преподает программу погружения в проблематику машинного обучения в Лаборатории передовых решений (Advanced Solutions Lab ML). Имеет докторскую степень по математике, полученную в Университете Нью-Йорка (City University of New York). До прихода в Google он работал профессором-исследователем.

Sara Robinson

Сара Робинсон (Sara Robinson) — адвокат разработчиков в коллективе Google Cloud со специализацией в машинном обучении. Она вдохновляет разработчиков и исследователей данных интегрировать машинное обучение в свои приложения с помощью демонстраций, онлайнового контента и мероприятий. Имеет степень бакалавра, полученную в Университете Брандейса (Brandeis University). До работы в компании Google была представителем разработчиков из коллектива Firebase.

Детали

Артикул2834
ISBN978-5-9775-6797-8
Количество страниц448
Серия Внесерийные книги
ПереплетМягкая обложка
Печать Черно-белая
Год2022
Габариты, мм215 × 165 × 16
Вес, кг0.472

Отзывы

Отзывов пока нет.

Будьте первым, кто оставил отзыв на “Машинное обучение. Паттерны проектирования”
Дополнительные файлы скачать: Зеркало1
Дополнительные файлы скачать (Chrome): Зеркало2
Рассылка email
  • Новинки на 2 недели раньше магазинов
  • Цены от издательства ниже до 30%
  • Акции и скидки только для подписчиков
  • Важные новости БХВ
Подписываясь на рассылку, вы соглашаетесь с политикой конфиденциальности и обработкой своих персональных данных.

Рекомендуем также