×
Dodano do koszyka:
Pozycja znajduje się w koszyku, zwiększono ilość tej pozycji:
Zakupiłeś już tę pozycję:
Książkę możesz pobrać z biblioteki w panelu użytkownika
Pozycja znajduje się w koszyku
Przejdź do koszyka

Zawartość koszyka

ODBIERZ TWÓJ BONUS :: »

Wzorce projektowe uczenia maszynowego. Rozwiązania typowych problemów dotyczących przygotowania danych, konstruowania modeli i MLOps

(ebook) (audiobook) (audiobook)
Wydawnictwo:
Promise
Ocena:
Bądź pierwszym, który oceni tę książkę
Stron:
412
Dostępny format:
     PDF
Czytaj fragment

Ebook (51,29 zł najniższa cena z 30 dni)

89,99 zł (-10%)
80,99 zł

Dodaj do koszyka lub Kup na prezent Kup 1-kliknięciem

(51,29 zł najniższa cena z 30 dni)

Przenieś na półkę

Do przechowalni

Rozwiązania typowych problemów dotyczących przygotowania danych, konstruowania modeli i MLOps

Wzorce projektowe opisane w tej książce obejmują najlepsze praktyki i rozwiązania powtarzalnych problemów w uczeniu maszynowym. Autorzy, troje inżynierów z firmy Google, skatalogowali sprawdzone metody, aby pomóc badaczom danych sprostać typowym problemom występującym w całym procesie uczenia maszynowego. Te wzorce projektowe kodyfikują doświadczenie setek ekspertów w prostych, przystępnych radach.

W tej książce znajdziesz szczegółowe wyjaśnienia 30 wzorców reprezentacji danych i problemów, operacjonalizacji, powtarzalności, odtwarzalności, elastyczności, objaśnialności i bezstronności. Każdy wzorzec obejmuje opis problemu, różnorodne potencjalne rozwiązania oraz rekomendacje dotyczące wyboru najlepszej techniki w danej sytuacji.

Nauczysz się:

•  Rozpoznawać i minimalizować typowe problemy występujące podczas uczenia, oceniania oraz wdrażania modeli uczenia maszynowego

•  Przedstawiać dane dla różnych typów modeli uczenia maszynowego, w postaci reprezentacji wektorowych, krzyżowania cech i nie tylko

•  Wybierać prawidłowy typ modelu dla konkretnych problemów

•  Konstruować wydajną pętlę uczenia z zastosowaniem punktów kontrolnych, strategii rozkładu i strojenia hiperparametrów

•  Wdrażać skalowalne systemy uczenia maszynowego, które można uczyć ponownie i aktualizować, aby odzwierciedlać nowe dane

•  Interpretować predykcje modeli dla interesariuszy i zapewniać, że modele traktują użytkowników bezstronnie

•  Zwiększać dokładność, odtwarzalność i elastyczność

 

„Dzięki wspaniałym, różnorodnym przykładom ta książka jest obowiązkową lekturą dla badaczy danych i inżynierów uczenia maszynowego dążących do zrozumienia sprawdzonych rozwiązań złożonych problemów uczenia maszynowego.”

­—David Kanter

Dyrektor wykonawczy, ML Commons

„Jeśli chcesz oszczędzić sobie siniaków na drodze do konstruowania rozwiązań uczenia maszynowego, Lak, Sara i Michael to osoby, na które możesz liczyć.”

­—Will Grannis

Dyrektor zarządzający,
Cloud CTO Office, Google

Valliappa (Lak) Lakshmanan jest globalnym kierownikiem działu analizy danych i rozwiązań sztucznej inteligencji w Google Cloud.

Sara Robinson jest rzeczniczką deweloperów w zespole Google Cloud, skupiającą się na uczeniu maszynowym.

Michael Munn jest inżynierem rozwiązań uczenia maszynowego w Google, gdzie pomaga klientom projektować, implementować i wdrażać modele uczenia maszynowego.

Wybrane bestsellery

Valliappa Lakshmanan, Sara Robinson, Michael Munn - pozostałe książki

Promise - inne książki

Zamknij

Przenieś na półkę

Proszę czekać...
ajax-loader

Zamknij

Wybierz metodę płatności

Ebook
80,99 zł
Dodaj do koszyka
Zamknij Pobierz aplikację mobilną Ebookpoint