Designing Machine Learning Systems: An Iterative Process for Production-Ready Applications
Книга посвящена проектированию и созданию надежных, масштабируемых систем машинного обучения, готовых к промышленному использованию. Автор подчеркивает, что ML-алгоритмы — лишь небольшая часть всей системы, которая также включает интерфейсы взаимодействия, стеки данных, аппаратное обеспечение и инфраструктуру для развертывания, мониторинга и обновления.
Основной фокус книги — итеративный процесс разработки ML-систем, который позволяет создавать решения, соответствующие конкретным бизнес-задачам и производственным требованиям. В отличие от многих других книг, здесь не рассматриваются детали конкретных алгоритмов, а дается целостное представление о всех компонентах системы.
Книга охватывает ключевые аспекты жизненного цикла ML-проектов: от сбора и управления данными до развертывания моделей в продакшене, их мониторинга и поддержки. Особое внимание уделяется практическим вопросам, с которыми сталкиваются инженеры и исследователи при выводе моделей в производственную среду.
Издание будет полезно для ML-инженеров, дата-сайентистов и разработчиков, которые хотят углубить свои знания в области построения устойчивых и эффективных ML-систем. Книга основана на реальном опыте автора и содержит примеры из практики крупных компаний, таких как Google.
