特色 「簡而言之，這是關於如何在公司構建、部署和擴展機器學習模型以獲得最大影響的最佳書籍。 」 —Josh Wills WeaveGrid軟體工程師和前任Slack資料工程總監 「在蓬勃發展但混亂的生態系統中，提供了ML從端到端的原則性視角，既是地圖又是指南針；大型科技公司內外的從業者必讀。」 —Jacopo Tagliabue Coveo人工智慧總監 機器學習系統既複雜又獨特，複雜之處在於系統組件繁多，並涉及許多不同的持份者。獨特之處在於系統依賴資料，且資料在不同使用案例中大有不同。在本書，您將學習一種整體方法來設計可靠、可擴展、可維護，並能適應不斷變化環境和業務需求的機器學習系統。 Claypot AI的聯合創始人、作者Chip Huyen考慮了每項設計決策—如何處理和創建訓練資料、使用哪些功能、重新訓練模型的頻率以及監控範圍，讓系統全面達標。本書提出的迭代框架結合實際案例研究，案例背後具大量參考文獻支持。 本書將幫助您應對以下場景： ‧規劃資料並選擇正確的指標來解決業務問題 ‧自動化流程以持續開發、評估、部署和更新模型 ‧開發監控系統，以快速檢測和解決模型在生產環境可能遇到的問題 ‧構建跨用例服務的ML平台 ‧開發負責任的機器學習系統 作者 Chip Huyen 是實時機器學習平台Claypot AI的聯合創辦人。她曾於NVIDIA，Netflix，及Snorkel AI工作，從中幫助了全球最大型的機構開發和部署ML系統。Chip以自己在斯坦福大學任教的課程「CS 329s：機器學習系統設計」作為本書藍本。 目錄 前言 第1章 機器學習系統概覽 第2章 機器學習系統設計簡介 第3章 資料工程基礎 第4章 訓練資料 第5章 特徵工程 第6章 模型開發和離線評估 第7章 模型部署和預測服務 第8章 資料分布轉移和監控 第9章 在生產中持續學習和測試 第10章 MLOps 的基礎設施和工具 第11章 涉及人類的機器學習 結語 索引