Μια Επαναληπτική Προσέγγιση για την Ανάπτυξη Έτοιμων για Παραγωγική Λειτουργία Εφαρμογών Τα συστήματα μηχανικής μάθησης είναι και πολύπλοκα και μοναδικά. Είναι πολύπλοκα διότι αποτελούνται από πολλές διαφορετικές συνιστώσες και στην ανάπτυξή τους εμπλέκονται πολλά διαφορετικά μέρη. Είναι μοναδικά διότι εξαρτώνται από τα δεδομένα, και τα δεδομένα διαφέρουν σημαντικά από περίπτωση χρήσης σε περίπτωση χρήσης. Στο παρόν βιβλίο θα μάθετε μια ολιστική προσέγγιση για να σχεδιάζετε μηχανομαθησιακά συστήματα που να είναι αξιόπιστα, κλιμακώσιμα, συντηρήσιμα και να μπορούν να προσαρμόζονται σε μεταβαλλόμενα περιβάλλοντα και επιχειρηματικές απαιτήσεις. Η συγγραφέας Chip Huyen, συνιδρύτρια της Claypot AI, εξετάζει κάθε σχεδιαστική απόφαση –όπως πώς πρέπει να γίνεται η επεξεργασία και η δημιουργία των δεδομένων εκπαίδευσης, ποια χαρακτηριστικά πρέπει να χρησιμοποιούνται, πόσο συχνά πρέπει να επανεκπαιδεύονται τα μοντέλα και ποιοι δείκτες πρέπει να παρακολουθούνται– με γνώμονα το πώς μπορεί να βοηθήσει το σύστημά σας ως σύνολο να πετύχει τους στόχους του. Το επαναληπτικό μεθοδολογικό πλαίσιο που παρουσιάζεται στο παρόν βιβλίο στηρίζεται σε πραγματικές μελέτες περίπτωσης, οι οποίες συνοδεύονται από πληθώρα αναφορών. Το βιβλίο θα σας βοηθήσει να αντιμετωπίσετε με επιτυχία ανάγκες όπως: • Την κατασκευή δεδομένων και την επιλογή των κατάλληλων μετρικών για την επίλυση ενός επιχειρηματικού προβλήματος • Την αυτοματοποίηση της διαδικασίας συνεχούς ανάπτυξης, αξιολόγησης, παραγωγικής λειτουργίας και ενημέρωσης των μοντέλων • Την ανάπτυξη ενός συστήματος παρακολούθησης με στόχο τη γρήγορη ανίχνευση και αντιμετώπιση προβλημάτων που ενδέχεται να αντιμετωπίσουν τα μοντέλα σας κατά την παραγωγή τους • Τη σχεδίαση μιας μηχανομαθησιακής πλατφόρμας που να μπορεί να εξυπηρετεί πολλές διαφορετικές περιπτώσεις χρήσης • Την ανάπτυξη υπεύθυνων μηχανομαθησιακών συστημάτων