[電子書]機器學習系統設計-端到端示例

Contents

通過此端到端指南了解全局和重要細節，以設計高效、可靠的機器學習系統。

MEAP 於 2023 年 4 月開始 2024 年夏季出版（預計）

在機器學習系統設計中：通過端到端示例，您將學習：

機器學習系統設計的大局
分析問題空間以確定最佳 ML 解決方案
在 ML 系統設計面試中勝出
選擇合適的指標和評估標準
在 ML 系統設計的不同階段確定任務的優先級
通過資料收集、錯誤分析和特徵工程解決與資料集相關的問題
認識機器學習系統開發中的常見陷阱
將 ML 系統設計為精簡、可維護和可擴展的

”機器學習系統設計 – 端到端示例“是規劃和設計成功的 ML 應用程式的實用指南。它為建構、維護和改進任何規模的系統制定了一個清晰、可重複的框架。作者阿謝尼·克拉夫琴科 (Arseny Kravchenko) 和瓦列裡·巴布甚金 (Valeri Babushkin) 在這本獨特的手冊中加入了營火故事和他們廣泛職業生涯中的個人秘訣。當您考慮機器學習系統的各個方面時，您將直接從他們的經驗中學習，從需求收集和資料來源到成品系統的部署和管理。

關於這個技術

機器學習系統設計很複雜。成功的 ML 工程師需要在一個多步驟的過程中導航，這個過程需要來自許多不同領域和角色的技能。這份獨一無二的指南首先會向您展示全局，然後逐步指導您通過一個框架來創建成功的系統。您將學習如何出色地實現全球目標，深入研究本地工具，並將您的知識整合到一個綜合願景中。

關於這本書

在“機器學習系統設計：端到端示例”，您將找到一個用於創建、實施、發布和維護 ML 系統的分步框架。涵蓋了生命週期的每個部分，從資訊收集到保持系統的良好服務。每個階段都包括自己方便的要求清單，並用真實世界的例子進行了充分說明，包括作者自己職業生涯中的有趣軼事。

您將跟隨兩家示例公司，每家公司都建構一個新的 ML 系統，探索他們的需求如何在設計文件中表達，並通過編寫您自己的來學習最佳實踐。在此過程中，您將學習如何在 ML 系統設計面試中取得優異成績，即使是在競爭激烈的類似 FAANG 的公司，也將學習如何通過識別瓶頸和優化系統性能來改進現有的 ML 系統。

內容包含

目標讀者

適用於了解軟體工程和機器學習基礎知識的讀者。 Python 中的示例。

關於作者

Arseny Kravchenko 是一位經驗豐富的 ML 工程師，在為新創公司建構和優化可靠的 ML 系統方面有著良好的記錄，包括實時視訊處理、製造優化和金融交易分析。

Valerii Babushkin 是一位成就卓著的資料科學領導者，在科技行業擁有豐富的經驗。他目前擔任 Blockchain.com 的資料科學副總裁，負責領導公司的資料資料驅動計劃。在加入 Blockchain.com 之前，Valerii 在 Facebook、阿里巴巴和 X5 Retail Group 等領先科技公司擔任重要職務。