کتاب Machine Learning Design Patterns: Solutions to Common Challenges in Data Preparation, Model Building, and MLOps (بدون سانسور)

کتاب Machine Learning Design Patterns الگوهای طراحی یادگیری ماشین اثر Valliappa Lakshmanan, Sara Robinson, Michael Munn

کتاب Machine Learning Design Patterns

الگوهای طراحی در این کتاب بهترین شیوه ها و راه حل ها را برای مشکلات تکرار شونده در یادگیری ماشین نشان می دهد. نویسندگان، سه مهندس گوگل، روش‌های اثبات‌شده را فهرست‌نویسی می‌کنند تا به دانشمندان داده کمک کنند تا با مشکلات رایج در سراسر فرآیند ML مقابله کنند. این الگوهای طراحی، تجربه صدها متخصص را به مشاوره‌های ساده و قابل دسترس تبدیل می‌کند.

در این کتاب، توضیحات مفصلی در مورد 30 الگو برای نمایش داده ها و مسئله، عملیاتی سازی، تکرارپذیری، تکرارپذیری، انعطاف پذیری، توضیح پذیری و انصاف خواهید یافت. هر الگو شامل شرحی از مشکل، انواع راه حل های بالقوه و توصیه هایی برای انتخاب بهترین تکنیک برای موقعیت شما است.

شما یاد خواهید گرفت که چگونه:

_شناسایی و کاهش چالش‌های رایج در هنگام آموزش، ارزیابی و استقرار مدل‌های ML
_نمایش داده‌ها برای انواع مدل‌های مختلف ML، از جمله جاسازی‌ها، تلاقی ویژگی‌ها و موارد دیگر
_نوع مدل مناسب را برای مشکلات خاص انتخاب کنید
_یک حلقه آموزشی قوی بسازید که از نقاط بازرسی، استراتژی توزیع و تنظیم هایپرپارامتر استفاده می کند
_سیستم های مقیاس پذیر ML را مستقر کنید که می توانید آنها را مجدداً آموزش دهید و به روز کنید تا داده های جدید را منعکس کنید
_پیش بینی های مدل را برای ذینفعان تفسیر کنید و اطمینان حاصل کنید که مدل ها با کاربران منصفانه رفتار می کنند