Diseño de sistemas de Machine Learning. Un proceso iterativo para aplicaciones listas para funcionar

Sinopsis del producto

Los sistemas de aprendizaje automático, en inglés Machine Learning, implican el uso de métodos, algoritmos y procesos complejos que constan de muchos componentes diferentes; además, dependen de datos que varían considerablemente de un caso a otro. Con este libro aprenderá un método integral para diseñar sistemas de aprendizaje automático fiables, escalables, fáciles de mantener y adaptables a los entornos dinámicos y a los requisitos empresariales. n nLa autora Chip Huyen, cofundadora de Claypot AI, considera cada decisión de diseño en su contexto para determinar la manera como este puede ayudar a su sistema. Analiza desde cómo procesar y crear datos de formación, hasta qué atributos utilizar, con qué frecuencia volver a formar los modelos y qué elementos supervisar. n nEn el marco iterativo de este libro se utilizan estudios de casos reales respaldados por referencias amplias que le ayudarán a alcanzar sus objetivos. Así pues, gracias a esta lectura conocerá: • La ingeniería de datos y la elección de las métricas adecuadas para resolver un problema empresarial. n n• La automatización del proceso de desarrollo, evaluación, instalación y actualización de los modelos. n n• El desarrollo de un sistema de supervisión para detectar y resolver rápidamente los problemas que pueda encontrarse con sus modelos en funcionamiento. n n• La arquitectura de una plataforma de aprendizaje automático que sirva para todos los casos. n n• El desarrollo de sistemas de aprendizaje automático responsables. n nAUTORES n nChip Huyen n nCofundadora de Claypot AI, una plataforma de aprendizaje automático en tiempo real. A través de su trabajo en NVIDIA, Netflix y Snorkel AI, ha ayudado a algunas de las organizaciones más grandes del mundo a desarrollar e implementar sus sistemas de aprendizaje automático. Chip basó este libro en sus apuntes para CS 329S: Diseño de Sistemas de Aprendizaje Automático, un curso que imparte en la Universidad de Stanford. n nCONTENIDO n nPrefacio ...................................................................... ix n1. Panorama de los sistemas de aprendizaje nautomático ................................................................. 1 n2. Introducción al diseño de sistemas de aprendizaje nautomático. .............................................................. 25 n3. Fundamentos de la ingeniería de datos n.................................................................................. 47 n4. Datos de formación ............................................. 81 n5. Creación de atributos .......................................... 121 n6. Desarrollo de modelos y evaluación fuera de línea n................................................................................ 149 n7. Servicio de predicción y puesta en marcha de nmodelos ................................................................. 191 n8. Cambios y monitoreo de la distribución de los datos n................................................................................ 225 n9. Aprendizaje continuo y pruebas en producción . 265 n10. Infraestructura y herramientas para MLOps .. 297 n11. El lado humano del aprendizaje automático.... 337 n12. Epílogo ............................................................. 361

9788426736956

Huyen, Chip