Ya seas científico de datos, ingeniero de software, ingeniero de confiabilidad de sitios o gerente de producto, esta guía práctica ofrece información esencial para establecer y ejecutar sistemas de aprendizaje automático de manera confiable, efectiva y responsable dentro de cualquier organización. Aprende a implementar un monitoreo de modelos sólido en producción y a cultivar un equipo de desarrollo de modelos de alto rendimiento. Al integrar una mentalidad SRE con las prácticas de ML, este libro te equipa para optimizar la toma de decisiones, resolver problemas complejos y comprender el comportamiento del cliente, asegurando que tus tareas diarias de ML se alineen con tus objetivos estratégicos.
¿Por qué deberías leerlo?
- Comprende el funcionamiento fundamental y las dependencias de los sistemas de aprendizaje automático.
- Comprende los marcos conceptuales para "bucles" de ML efectivos y sus implicaciones operativas.
- Aprende a hacer que tus sistemas de ML sean fácilmente monitoreables, desplegables y operables a través de una producción efectiva.
- Descubre estrategias para mitigar las dificultades de resolución de problemas inherentes a los sistemas de ML y fomentar una mejor comunicación entre los equipos de ML, producto y producción.
Sobre los autores
Los autores,
Cathy Chen, Kranti Parisa, Niall Richard Murphy, D. Sculley y Todd Underwood, junto con autores invitados destacados, son profesionales de la ingeniería distinguidos con una amplia experiencia en aprendizaje automático e ingeniería de confiabilidad de sitios. Su experiencia colectiva abarca roles de liderazgo en importantes empresas tecnológicas, donde han sido fundamentales en la construcción y escalado de sistemas de ML confiables. Este libro destila su conocimiento práctico y mejores prácticas, ofreciendo a los lectores una combinación única de comprensión teórica y estrategias accionables para implementar soluciones de aprendizaje automático robustas y responsables en entornos del mundo real.
Descripción
Detalles del producto
