Projetando Sistemas de Aprendizado de Máquina

Sistemas de aprendizado de máquina são tanto complexos quanto únicos. Complexos porque consistem em muitos componentes diferentes e envolvem muitos stakeholders diferentes. Únicos porque são dependentes de dados, com os dados variando muito de um caso de uso para o próximo. Neste livro, você aprenderá uma abordagem holística para projetar sistemas de ML que sejam confiáveis, escaláveis, manuteníveis e adaptáveis a ambientes e requisitos de negócios em mudança.

O autor Chip Huyen, cofundador da Claypot AI, considera cada decisão de design--como processar e criar dados de treinamento, quais recursos usar, com que frequência retreinar modelos e o que monitorar--no contexto de como isso pode ajudar seu sistema como um todo a atingir seus objetivos. O framework iterativo neste livro usa estudos de caso reais apoiados por amplas referências.

Este livro irá ajudá-lo a lidar com cenários como:

Dados de engenharia e escolher as métricas certas para resolver um problema de negócios

Automatizar o processo para desenvolver, avaliar, implantar e atualizar modelos continuamente

Desenvolvendo um sistema de monitoramento para detectar e resolver rapidamente problemas que seus modelos possam encontrar em produção

Arquitetando uma plataforma de ML que atende a vários casos de uso

Desenvolvendo sistemas de ML responsáveis

Sobre o autor

Chip Huyen é cofundador da Claypot AI, uma plataforma para aprendizado de máquina em tempo real. Através do seu trabalho na NVIDIA, Netflix e Snorkel AI, ela ajudou algumas das maiores organizações do mundo a desenvolver e implantar sistemas de aprendizagem de máquina.. Ela ensina CS 329S: Design de Sistemas de Aprendizagem de Máquina em Stanford, cujas notas de aula este livro é baseado.