Building Machine Learning Powered Applications. Going from Idea to Product

- Autor:
- Emmanuel Ameisen
- Promocja Przejdź


- Ocena:
- Bądź pierwszym, który oceni tę książkę
- Stron:
- 260
- Dostępne formaty:
-
ePubMobi
Opis książki: Building Machine Learning Powered Applications. Going from Idea to Product
Learn the skills necessary to design, build, and deploy applications powered by machine learning (ML). Through the course of this hands-on book, you’ll build an example ML-driven application from initial idea to deployed product. Data scientists, software engineers, and product managers—including experienced practitioners and novices alike—will learn the tools, best practices, and challenges involved in building a real-world ML application step by step.
Author Emmanuel Ameisen, an experienced data scientist who led an AI education program, demonstrates practical ML concepts using code snippets, illustrations, screenshots, and interviews with industry leaders. Part I teaches you how to plan an ML application and measure success. Part II explains how to build a working ML model. Part III demonstrates ways to improve the model until it fulfills your original vision. Part IV covers deployment and monitoring strategies.
This book will help you:
- Define your product goal and set up a machine learning problem
- Build your first end-to-end pipeline quickly and acquire an initial dataset
- Train and evaluate your ML models and address performance bottlenecks
- Deploy and monitor your models in a production environment
Wybrane bestsellery
-
To książka przeznaczona dla programistów i menedżerów, którzy wśród rodzących się idei uczenia maszynowego wciąż poszukują rozwiązań dla swojego biznesu. Autor omawia krok po kroku proces tworzenia i wdrażania aplikacji opartej na uczeniu maszynowym, a praktyczne koncepcje przedstawia za pomocą p...
Uczenie maszynowe w aplikacjach. Projektowanie, budowa i wdrażanie Uczenie maszynowe w aplikacjach. Projektowanie, budowa i wdrażanie
(0,00 zł najniższa cena z 30 dni)35.40 zł
59.00 zł(-40%) -
Oto pierwszy tom dzieła, które stanowi inspirujące spojrzenie na sztuczną inteligencję. Jego zrozumienie nie wymaga wybitnej znajomości informatyki i matematyki. Książka jest wspaniałą syntezą wczesnych i późniejszych koncepcji, a także technik, przeprowadzoną we frameworku idei, metod i technolo...
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 1 Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 1
(0,00 zł najniższa cena z 30 dni)101.40 zł
169.00 zł(-40%) -
To drugi tom klasycznego podręcznika wiedzy o sztucznej inteligencji. Podobnie jak w wypadku pierwszej części, lektura tej książki nie wymaga wybitnej znajomości tematu. Dzięki przejrzystości tekstu i umiejętnemu unikaniu nadmiernego formalizmu można w dość łatwy sposób zrozumieć kluczowe idee i ...
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2 Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2
(0,00 zł najniższa cena z 30 dni)77.40 zł
129.00 zł(-40%) -
Uczenie maszynowe (ML) i sztuczna inteligencja (AI). Obok komputerów kwantowych to dwa główne, gorące tematy we współczesnej informatyce. Oba nieco tajemnicze, futurystyczne i przede wszystkim wymagające posiadania dość sporej wiedzy i umiejętności matematycznych. Stąd podręczniki akademickie poś...
Uczenie maszynowe. Elementy matematyki w analizie danych Uczenie maszynowe. Elementy matematyki w analizie danych
(0,00 zł najniższa cena z 30 dni)23.94 zł
39.90 zł(-40%) -
To drugie wydanie bestsellerowego przewodnika po technikach uczenia maszynowego. Wystarczą minimalne umiejętności programistyczne, aby dzięki tej książce nauczyć się budowania i trenowania głębokiej sieci neuronowej. Zawarto tu minimum teorii, a proces nauki jest ułatwiony przez liczne przykłady ...
Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow. Wydanie II Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow. Wydanie II
(0,00 zł najniższa cena z 30 dni)77.40 zł
129.00 zł(-40%) -
Ten podręcznik jest przeznaczony dla osób, które chcą dobrze zrozumieć matematyczne podstawy uczenia maszynowego i nabrać praktycznego doświadczenia w używaniu pojęć matematycznych. Wyjaśniono tutaj stosowanie szeregu technik matematycznych, takich jak algebra liniowa, geometria analityczna, rozk...(0,00 zł najniższa cena z 30 dni)
77.40 zł
129.00 zł(-40%) -
Niniejsza książka jest praktycznym przewodnikiem po uczeniu głębokim. Znalazły się tu dokładne informacje o istocie uczenia głębokiego, o jego zastosowaniach i ograniczeniach. Wyjaśniono zasady rozwiązywania typowych problemów uczenia maszynowego. Pokazano, jak korzystać z pakietu Keras przy impl...
Deep Learning. Praca z językiem Python i biblioteką Keras Deep Learning. Praca z językiem Python i biblioteką Keras
(0,00 zł najniższa cena z 30 dni)35.40 zł
59.00 zł(-40%) -
Dzięki tej książce dowiesz się, jak sobie z tym poradzić. Znalazło się w niej krótkie wprowadzenie do Pythona oraz do automatyzacji przetwarzania tekstu i obsługi systemu plików, a także do pisania własnych narzędzi wiersza poleceń. Zaprezentowano również przydatne narzędzia linuksowe, systemy za...
Python dla DevOps. Naucz się bezlitośnie skutecznej automatyzacji Python dla DevOps. Naucz się bezlitośnie skutecznej automatyzacji
(0,00 zł najniższa cena z 30 dni)53.40 zł
89.00 zł(-40%) -
Książka wprowadza w teoretyczne fundamenty uczenia głębokiego — znalazły się w niej wyjaśnienia podstawowych pojęć związanych z tą dziedziną i różnice pomiędzy poszczególnymi typami sieci neuronowych. Opisano tutaj również metody programowania algorytmów używanych w uczeniu głębokim i sposo...
Deep learning z TensorFlow 2 i Keras dla zaawansowanych. Sieci GAN i VAE, deep RL, uczenie nienadzorowane, wykrywanie i segmentacja obiektów i nie tylko. Wydanie II Deep learning z TensorFlow 2 i Keras dla zaawansowanych. Sieci GAN i VAE, deep RL, uczenie nienadzorowane, wykrywanie i segmentacja obiektów i nie tylko. Wydanie II
(0,00 zł najniższa cena z 30 dni)53.40 zł
89.00 zł(-40%)
O autorze książki
1 Emmanuel AmeisenEmmanuel Ameisen jest inżynierem uczenia maszynowego w Stripe. Wcześniej implementował i wdrażał rozwiązania do analiz predykcyjnych i uczenia maszynowego w Local Motion i Zipcar. Prowadził program sztucznej inteligencji w Insight Data Science. Zrealizował ponad sto projektów wykorzystujących uczenie maszynowe.
Kup polskie wydanie:
Uczenie maszynowe w aplikacjach. Projektowanie, budowa i wdrażanie
- Autor:
- Emmanuel Ameisen
35,40 zł
59,00 zł
(35.40 zł najniższa cena z 30 dni)
Ebooka przeczytasz na:
-
czytnikach Inkbook, Kindle, Pocketbook, Onyx Boox i innych
-
systemach Windows, MacOS i innych
-
systemach Windows, Android, iOS, HarmonyOS
-
na dowolnych urządzeniach i aplikacjach obsługujących formaty: PDF, EPub, Mobi
Masz pytania? Zajrzyj do zakładki Pomoc »
Audiobooka posłuchasz:
-
w aplikacji Ebookpoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych
-
na dowolonych urządzeniach i aplikacjach obsługujących format MP3 (pliki spakowane w ZIP)
Masz pytania? Zajrzyj do zakładki Pomoc »
Kurs Video zobaczysz:
-
w aplikacji Ebookpoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych
-
na dowolonych urządzeniach i aplikacjach obsługujących format MP4 (pliki spakowane w ZIP)
Szczegóły książki
- ISBN Ebooka:
- 978-14-920-4506-9, 9781492045069
- Data wydania ebooka:
-
2020-01-21
Data wydania ebooka często jest dniem wprowadzenia tytułu do sprzedaży i może nie być równoznaczna z datą wydania książki papierowej. Dodatkowe informacje możesz znaleźć w darmowym fragmencie. Jeśli masz wątpliwości skontaktuj się z nami sklep@helion.pl.
- Język publikacji:
- angielski
- Rozmiar pliku ePub:
- 11.0MB
- Rozmiar pliku Mobi:
- 11.0MB
- Kategorie:
Uczenie maszynowe
Spis treści książki
- Preface
- The Goal of Using Machine Learning Powered Applications
- Use ML to Build Practical Applications
- Additional Resources
- The Goal of Using Machine Learning Powered Applications
- Practical ML
- What This Book Covers
- The entire process of ML
- A technical, practical case study
- Real business applications
- What This Book Covers
- Prerequisites
- Our Case Study: MLAssisted Writing
- The ML Process
- Conventions Used in This Book
- Using Code Examples
- OReilly Online Learning
- How to Contact Us
- Acknowledgments
- I. Find the Correct ML Approach
- 1. From Product Goal to ML Framing
- Estimate What Is Possible
- Models
- Classification and regression
- Knowledge extraction from unstructured data
- Catalog organization
- Generative models
- Models
- Data
- Data types
- Data availability
- Datasets are iterative
- Estimate What Is Possible
- Framing the ML Editor
- Trying to Do It All with ML: An End-to-End Framework
- The Simplest Approach: Being the Algorithm
- Middle Ground: Learning from Our Experience
- Monica Rogati: How to Choose and Prioritize ML Projects
- Conclusion
- 2. Create a Plan
- Measuring Success
- Business Performance
- Model Performance
- Freshness and Distribution Shift
- Speed
- Measuring Success
- Estimate Scope and Challenges
- Leverage Domain Expertise
- Learning from experts
- Examining the data
- Leverage Domain Expertise
- Stand on the Shoulders of Giants
- Open data
- Open source code
- Bring both together
- ML Editor Planning
- Initial Plan for an Editor
- Always Start with a Simple Model
- To Make Regular Progress: Start Simple
- Start with a Simple Pipeline
- Training
- Inference
- Start with a Simple Pipeline
- Pipeline for the ML Editor
- Conclusion
- II. Build a Working Pipeline
- 3. Build Your First End-to-End Pipeline
- The Simplest Scaffolding
- Prototype of an ML Editor
- Parse and Clean Data
- Tokenizing Text
- Generating Features
- Test Your Workflow
- User Experience
- Modeling Results
- Finding the impact bottleneck
- ML Editor Prototype Evaluation
- Model
- User Experience
- Conclusion
- 4. Acquire an Initial Dataset
- Iterate on Datasets
- Do Data Science
- Iterate on Datasets
- Explore Your First Dataset
- Be Efficient, Start Small
- Insights Versus Products
- A Data Quality Rubric
- Data format
- Data quality
- Data quantity and distribution
- ML editor data inspection
- Label to Find Data Trends
- Summary Statistics
- Summary statistics for ML editor
- Summary Statistics
- Explore and Label Efficiently
- Vectorizing
- Tabular data
- Text data
- Image data
- Vectorizing
- Dimensionality reduction
- Clustering
- Be the Algorithm
- Data Trends
- Let Data Inform Features and Models
- Build Features Out of Patterns
- Raw datetime
- Extracting day of week and day of month
- Feature crosses
- Giving your model the answer
- Build Features Out of Patterns
- ML Editor Features
- Robert Munro: How Do You Find, Label, and Leverage Data?
- Conclusion
- III. Iterate on Models
- 5. Train and Evaluate Your Model
- The Simplest Appropriate Model
- Simple Models
- Quick to implement
- Understandable
- Deployable
- Simple Models
- From Patterns to Models
- We want to ignore feature scale
- Our predicted variable is a linear combination of predictors
- Our data has a temporal aspect
- Each data point is a combination of patterns
- ML Editor model
- The Simplest Appropriate Model
- Split Your Dataset
- Validation set
- Test set
- Relative proportions
- Data leakage
- Temporal data leakage
- Sample contamination
- ML Editor Data Split
- Judge Performance
- Bias variance trade-off
- Going beyond aggregate metrics
- Evaluate Your Model: Look Beyond Accuracy
- Contrast Data and Predictions
- Confusion Matrix
- ROC Curve
- Calibration Curve
- Dimensionality Reduction for Errors
- The Top-k Method
- The k best performing examples
- The k worst performing examples
- The k most uncertain examples
- Top-k implementation tips
- Top-k method for the ML Editor
- Other Models
- Evaluate Feature Importance
- Directly from a Classifier
- Black-Box Explainers
- Conclusion
- 6. Debug Your ML Problems
- Software Best Practices
- ML-Specific Best Practices
- Software Best Practices
- Debug Wiring: Visualizing and Testing
- Start with One Example
- Visualization steps
- Data loading
- Cleaning and feature selection
- Feature generation
- Data formatting
- Model output
- Systematizing our visual validation
- Separate your concerns
- Start with One Example
- Test Your ML Code
- Test data ingestion
- Test data processing
- Test model outputs
- Debug Training: Make Your Model Learn
- Task Difficulty
- Data quality, quantity, and diversity
- Data representation
- Model capacity
- Task Difficulty
- Optimization Problems
- Debug Generalization: Make Your Model Useful
- Data Leakage
- Overfitting
- Regularization
- Data augmentation
- Dataset redesign
- Consider the Task at Hand
- Conclusion
- 7. Using Classifiers for Writing Recommendations
- Extracting Recommendations from Models
- What Can We Achieve Without a Model?
- Using feature statistics
- What Can We Achieve Without a Model?
- Extracting Global Feature Importance
- Using a Models Score
- Extracting Local Feature Importance
- Extracting Recommendations from Models
- Comparing Models
- Version 1: The Report Card
- Version 2: More Powerful, More Unclear
- Version 3: Understandable Recommendations
- Generating Editing Recommendations
- Conclusion
- IV. Deploy and Monitor
- 8. Considerations When Deploying Models
- Data Concerns
- Data Ownership
- Data Bias
- Test sets
- Systemic Bias
- Data Concerns
- Modeling Concerns
- Feedback Loops
- Inclusive Model Performance
- Considering Context
- Adversaries
- Defeating a model
- Exploiting a model
- Abuse Concerns and Dual-Use
- Chris Harland: Shipping Experiments
- Conclusion
- 9. Choose Your Deployment Option
- Server-Side Deployment
- Streaming Application or API
- Batch Predictions
- Server-Side Deployment
- Client-Side Deployment
- On Device
- Browser Side
- Federated Learning: A Hybrid Approach
- Conclusion
- 10. Build Safeguards for Models
- Engineer Around Failures
- Input and Output Checks
- Check inputs
- Model outputs
- Input and Output Checks
- Model Failure Fallbacks
- Filtering model
- Engineer Around Failures
- Engineer for Performance
- Scale to Multiple Users
- Caching for ML
- Caching inference results
- Caching by indexing
- Caching for ML
- Scale to Multiple Users
- Model and Data Life Cycle Management
- Reproducibility
- Resilience
- Pipeline flexibility
- Data Processing and DAGs
- Ask for Feedback
- Chris Moody: Empowering Data Scientists to Deploy Models
- Conclusion
- 11. Monitor and Update Models
- Monitoring Saves Lives
- Monitoring to Inform Refresh Rate
- Monitor to Detect Abuse
- Monitoring Saves Lives
- Choose What to Monitor
- Performance Metrics
- Business Metrics
- CI/CD for ML
- A/B Testing and Experimentation
- Choosing groups and duration
- Estimating the better variant
- Building the infrastructure
- A/B Testing and Experimentation
- Other Approaches
- Conclusion
- Index
O'Reilly Media - inne książki
-
Combing the web is simple, but how do you search for data at work? It's difficult and time-consuming, and can sometimes seem impossible. This book introduces a practical solution: the data catalog. Data analysts, data scientists, and data engineers will learn how to create true data discovery in ...(0,00 zł najniższa cena z 30 dni)
220.15 zł
259.00 zł(-15%) -
This updated edition of the Nutshell guide not only helps experienced Java programmers get the most out of versions through Java 17, it also serves as a learning path for new developers. Chock-full of examples that demonstrate how to take complete advantage of modern Java APIs and development bes...(0,00 zł najniższa cena z 30 dni)
220.15 zł
259.00 zł(-15%) -
Get started with Ray, the open source distributed computing framework that simplifies the process of scaling compute-intensive Python workloads. With this practical book, Python programmers, data engineers, and data scientists will learn how to leverage Ray locally and spin up compute clusters. Y...(0,00 zł najniższa cena z 30 dni)
220.15 zł
259.00 zł(-15%) -
Remove your doubts about AI and explore how this technology can be future-proofed using blockchain's smart contracts and tamper-evident ledgers. With this practical book, system architects, software engineers, and systems solution specialists will learn how enterprise blockchain provides permanen...(0,00 zł najniższa cena z 30 dni)
262.65 zł
309.00 zł(-15%) -
FinOps brings financial accountability to the variable spend model of cloud. Used by the majority of global enterprises, this management practice has grown from a fringe activity to the de facto discipline managing cloud spend. In this book, authors J.R. Storment and Mike Fuller outline the proce...(0,00 zł najniższa cena z 30 dni)
262.65 zł
309.00 zł(-15%) -
Edge AI is transforming the way computers interact with the real world, allowing IoT devices to make decisions using the 99% of sensor data that was previously discarded due to cost, bandwidth, or power limitations. With techniques like embedded machine learning, developers can capture human intu...(0,00 zł najniższa cena z 30 dni)
262.65 zł
309.00 zł(-15%) -
Why is it difficult for so many companies to get digital identity right? If you're still wrestling with even simple identity problems like modern website authentication, this practical book has the answers you need. Author Phil Windley provides conceptual frameworks to help you make sense of all ...(0,00 zł najniższa cena z 30 dni)
186.15 zł
219.00 zł(-15%) -
Python was recently ranked as today's most popular programming language on the TIOBE index, thanks to its broad applicability to design and prototyping to testing, deployment, and maintenance. With this updated fourth edition, you'll learn how to get the most out of Python, whether you're a profe...(0,00 zł najniższa cena z 30 dni)
296.65 zł
349.00 zł(-15%) -
With the accelerating speed of business and the increasing dependence on technology, companies today are significantly changing the way they build in-house business solutions. Many now use low-code and no code technologies to help them deal with specific issues, but that's just the beginning. Wit...
Building Solutions with the Microsoft Power Platform Building Solutions with the Microsoft Power Platform
(0,00 zł najniższa cena z 30 dni)262.65 zł
309.00 zł(-15%) -
Companies are scrambling to integrate AI into their systems and operations. But to build truly successful solutions, you need a firm grasp of the underlying mathematics. This accessible guide walks you through the math necessary to thrive in the AI field such as focusing on real-world application...(0,00 zł najniższa cena z 30 dni)
262.65 zł
309.00 zł(-15%)
Dzieki opcji "Druk na żądanie" do sprzedaży wracają tytuły Grupy Helion, które cieszyły sie dużym zainteresowaniem, a których nakład został wyprzedany.
Dla naszych Czytelników wydrukowaliśmy dodatkową pulę egzemplarzy w technice druku cyfrowego.
Co powinieneś wiedzieć o usłudze "Druk na żądanie":
- usługa obejmuje tylko widoczną poniżej listę tytułów, którą na bieżąco aktualizujemy;
- cena książki może być wyższa od początkowej ceny detalicznej, co jest spowodowane kosztami druku cyfrowego (wyższymi niż koszty tradycyjnego druku offsetowego). Obowiązująca cena jest zawsze podawana na stronie WWW książki;
- zawartość książki wraz z dodatkami (płyta CD, DVD) odpowiada jej pierwotnemu wydaniu i jest w pełni komplementarna;
- usługa nie obejmuje książek w kolorze.
W przypadku usługi "Druk na żądanie" termin dostarczenia przesyłki może obejmować także czas potrzebny na dodruk (do 10 dni roboczych)
Masz pytanie o konkretny tytuł? Napisz do nas: sklep[at]helion.pl.
Książka, którą chcesz zamówić pochodzi z końcówki nakładu. Oznacza to, że mogą się pojawić drobne defekty (otarcia, rysy, zagięcia).
Co powinieneś wiedzieć o usłudze "Końcówka nakładu":
- usługa obejmuje tylko książki oznaczone tagiem "Końcówka nakładu";
- wady o których mowa powyżej nie podlegają reklamacji;
Masz pytanie o konkretny tytuł? Napisz do nas: sklep[at]helion.pl.


Oceny i opinie klientów: Building Machine Learning Powered Applications. Going from Idea to Product Emmanuel Ameisen (0)
Weryfikacja opinii następuję na podstawie historii zamówień na koncie Użytkownika umieszczającego opinię. Użytkownik mógł otrzymać punkty za opublikowanie opinii uprawniające do uzyskania rabatu w ramach Programu Punktowego.