Machine Learning System Design: With End-to-End Examples
Эта книга посвящена проектированию и построению полноценных систем машинного обучения, а не просто созданию моделей. Авторы рассматривают весь жизненный цикл ML-системы — от первоначальной постановки задачи и предварительных исследований до интеграции в продакшен, мониторинга и поддержки.
Книга структурирована в четыре части, соответствующие ключевым этапам разработки. В первой части рассматриваются подготовительные этапы: определение проблемы, предварительные исследования и создание проектного документа. Вторая часть охватывает раннюю стадию: выбор функций потерь и метрик, сбор данных, схемы валидации и создание базового решения.
Третья часть посвящена промежуточным шагам: анализу ошибок, построению тренировочных пайплайнов, инженерии признаков и измерению результатов. Четвёртая часть фокусируется на интеграции и росте системы: интеграции в продакшен, мониторингу и надёжности, оптимизации инференса, а также вопросам владения и поддержки системы.
Книга наполнена практическими примерами и методологиями, которые помогают инженерам и исследователям принимать взвешенные решения на каждом этапе, избегая распространённых ошибок и создавая устойчивые, масштабируемые ML-системы, приносящие реальную бизнес-ценность.
