O'Reilly Media Дизайн-паттерны машинного обучения: 30 решений по подготовки данных и построению моделей

Дизайн-паттерны в этой книге представляют лучшие практики и решения для часто встречающихся проблем в области машинного обучения. Авторы, три инженера Google, собрали проверенные методы, которые помогут дата-сайентистам справляться с распространёнными задачами на всех этапах процесса ML.

В книге вы найдёте подробные объяснения 30 паттернов, касающихся представления данных и проблем, операционализации, повторяемости, воспроизводимости, гибкости, объяснимости и справедливости.

Каждый паттерн включает описание проблемы, различные потенциальные решения и рекомендации по выбору наилучшей техники для вашей ситуации.

Вы узнаете, как:

• Определять и снижать распространённые сложности при обучении, оценивании и внедрении моделей машинного обучения.
• Представлять данные для различных типов ML моделей, включая встраивания, кроссы признаков и другие методы.
• Выбирать правильный тип модели для конкретных задач.
• Создавать надёжный цикл обучения с использованием контрольных точек, стратегий распределения и настройки гиперпараметров.
• Внедрять масштабируемые ML системы, которые можно переобучать и обновлять, чтобы отражать новые данные.
• Интерпретировать предсказания моделей для заинтересованных сторон и обеспечивать справедливое отношение моделей к пользователям.