Книга: «Машинное обучение. Проектирование систем от идеи до реализации» / Хабр

Привет, Хаброжители! Проектирование и развертывание системы машинного обучения — это сложный многоэтапный процесс, требующий разнообразных компетенций и участия специалистов разных ролей. Независимо от того, интегрируете ли вы ML в существующий проект или проектируете ML-систему с нуля, вам необходимо ориентироваться в огромных датасетах и потоках, определять требования к тестированию и развертыванию, а также учитывать сложности внедрения ML-моделей в продакшен.

«Машинное обучение. Проектирование систем от идеи до реализации» — это практическое руководство по полному циклу разработки ML-проектов. Вы шаг за шагом пройдете весь фреймворк: проектирование, внедрение, релиз и сопровождение ML-системы.

Чек-листы с необходимыми требованиями и примеры из реальной практики помогут развернуть и оптимизировать вашу собственную ML-систему. Вам особенно понравятся авторские байки и советы из личного опыта авторов, а также рекомендации по подготовке к System design интервью.

Что внутри:

Метрики и критерии оценки качества моделей
Решения распространенных проблем с датасетами
Подводные камни при разработке ML-систем
Советы для успешного прохождения собеседований по проектированию ML-систем

Для кого эта книга?

Для читателей, знакомых с основами программирования и машинного обучения. Примеры на Python.

Так же книга будет полезна:

мидл-разработчикам — для совершенствования навыков создания и сопровождения устойчивых ML-систем без каких-либо критических упущений;
техническим менеджерам и сеньор-разработчикам — для восполнения пробелов в знаниях и формирования более широкого взгляда на проектирование ML-систем;
тем, кто делает свои первые шаги в прикладном ML, — чтобы получить структурированные рекомендации перед началом разработки своей первой ML‑системы.

«Могу сказать, что в текущих условиях ИИ-изации и AI-агентов проектирование систем м��шинного обучения становится гораздо более важным, чем раньше. Когда стоимость исполнения падает, а скорость стремительно увеличивается, именно корректный и масштабируемый дизайн ML-систем становится в разы значимее. И потому эта книга сегодня актуальна как никогда».
— Валерий Бабушкин

«Следуя инструкциям из этой книги, я создал собственную ML-систему. Это действительно впечатляет!»
— Микаэль Дотрей, ISITIX

«Бесценно! Книга органично объединяет разработку продукта, инженерию и открытия. Я настоятельно рекомендую ее!»
— Алексей Журба, Next Step Fusion

«Отличный справочник по проектированию ML-систем».
— Одиссеас Пентакалос, SYSNET International, Inc

«Разнообразный авторский опыт раскрыл передо мной новые горизонты, и я почерпнул из книги много новых для себя идей и подходов, которые оказались весьма полезными».
— Павел Филипович, IBA Group

Об авторах

Арсений Кравченко

опытный ML-инженер с солидным послужным списком в создании и оптимизации надежных ML-систем для самых различных отраслей. В настоящее время Member of Technical Staff в Databricks. Как Kaggle Master он известен своим опытом в соревновательном машинном обучении и любит делиться своими познаниями с другими. Арсений часто выступает в роли консультанта по вопросам ИИ и ML для венчурных фондов и стартапов на ранней стадии развития.

Валерий Бабушкин

выдающийся специалист data science с богатым опытом работы в IT. В настоящее время он занимает позицию Senior Principal1 в BP, где отвечает за реализацию data-driven-стратегий. До прихода в BP Валерий занимал ключевые должности в таких технологических гигантах, как Facebook, Alibaba и Blockchain.com. Помимо профессиональных достижений, Валерий — Kaggle Grandmaster и ранее входил в топ-30 участников по всему миру, что подтверждает его высокий уровень навыков и компетентности в области data science.

Ознакомиться с оглавлением