معرفی کتاب: "سیستم‌های تولید یادگیری ماشین: مهندسی مدل‌ها و پایپ‌لاین‌های یادگیری ماشین"

استفاده از یادگیری ماشین برای محصولات، خدمات و فرآیندهای تجاری حیاتی کاملاً با استفاده از آن در محیط‌های آکادمیک یا تحقیقاتی متفاوت است—به‌ویژه برای فارغ‌التحصیلان جدید یادگیری ماشین و کسانی که از تحقیق به محیط تجاری منتقل می‌شوند. چه اکنون در حال کار بر روی محصولاتی باشید که از یادگیری ماشین استفاده می‌کنند، یا در آینده قصد داشته باشید این کار را انجام دهید، این کتاب عملی دید گسترده‌ای به شما از کل این حوزه می‌دهد.

نویسندگان این کتاب، رابرت کروا، هانس هاپکه، امیلی کاونز و دی ژو، به شما کمک می‌کنند تا موضوعاتی را که می‌توانید به‌طور عمیق‌تر در آن‌ها تحقیق کنید، شناسایی کرده و مواد مرجع و آموزش‌هایی که جزئیات آن‌ها را به شما می‌آموزند، در اختیار شما قرار می‌دهند. شما با وضعیت پیشرفته مهندسی یادگیری ماشین آشنا خواهید شد، شامل موضوعات مختلفی مانند مدل‌سازی، استقرار و MLOps. شما جنبه‌های ابتدایی و پیشرفته‌ای را برای درک چرخه زندگی تولیدی یادگیری ماشین خواهید آموخت.

این کتاب چهار بخش مفصل دارد که تمامی جنبه‌های مهندسی یادگیری ماشین را پوشش می‌دهد:

• داده: جمع‌آوری، برچسب‌گذاری، اعتبارسنجی، اتوماسیون و پیش‌پردازش داده‌ها؛ مهندسی ویژگی‌های داده و انتخاب آن‌ها؛ مسیر داده و ذخیره‌سازی
• مدل‌سازی: مدل‌سازی با عملکرد بالا؛ تکنیک‌های مدیریت منابع مدل؛ تحلیل و تعامل‌پذیری مدل؛ جستجو در معماری‌های عصبی
• استقرار: الگوهای سرویس‌دهی مدل و زیرساخت‌های مدل‌های یادگیری ماشین و LLM‌ها؛ مدیریت و تحویل؛ نظارت و ثبت رویدادها
• تولید: پایپ‌لاین‌های یادگیری ماشین؛ طبقه‌بندی متن‌ها و تصاویر بدون ساختار؛ پایپ‌لاین‌های مدل GenAI