Sponsorerede Indlæg
Maskinlæringssystemdesign er komplekst. Den succesfulde ML-ingeniør skal navigere i en flertrinsproces, der kræver færdigheder fra mange forskellige felter og roller.
Machine Learning System Design: Med end-to-end eksempler er en praktisk guide til planlægning og design af succesfulde ML-applikationer. Den udstikker en klar, gentagelig ramme for opbygning, vedligeholdelse og forbedring af systemer i enhver skala.
Forfatterne Arseny Kravchenko og Valeri Babushkin har fyldt denne unikke håndbog med lejrbålshistorier og personlige tips fra deres egen omfattende karriere. Du lærer direkte af deres erfaring, når du overvejer alle facetter af et maskinlæringssystem, fra kravindsamling og datakilde til implementering og administration af det færdige system.
"Dette handler ikke om MLOps! Denne bog handler om et vigtigere spørgsmål: hvordan sikrer man sig, at et ML-projekt ikke ender på hylden?”
—Boris Tseytlin, Senior Machine Learning Engineer, Planet Farms
I bogen vil du følge to eksempler på virksomheder, der hver bygger et nyt ML-system, hvor du udforsker, hvordan deres behov kommer til udtryk i designdokumenter og lærer bedste praksis ved at skrive dine egne. Undervejs lærer du, hvordan du klarer ML-systemdesign-interviews, selv hos meget konkurrencedygtige FAANG-lignende virksomheder, og forbedrer eksisterende ML-systemer ved at identificere flaskehalse og optimere systemets ydeevne.
Machine Learning System Design er tilgængelig fra dets udgiver Manning Publikationer.
Vores 35% rabatkode (god til alle vores produkter i alle formater): nlkdnuggets21
Én gratis e-bogskode til maskinlæringssystemdesign: mlstds-AEBF
- SEO Powered Content & PR Distribution. Bliv forstærket i dag.
- PlatoAiStream. Web3 Data Intelligence. Viden forstærket. Adgang her.
- Udmøntning af fremtiden med Adryenn Ashley. Adgang her.
- Køb og sælg aktier i PRE-IPO-virksomheder med PREIPO®. Adgang her.
- Kilde: https://www.kdnuggets.com/2023/05/manning-design-effective-reliable-machine-learning-systems.html?utm_source=rss&utm_medium=rss&utm_campaign=design-effective-reliable-machine-learning-systems
- :er
- :ikke
- $OP
- 10
- 250
- 35 %
- a
- Om
- Alle
- sammen
- an
- ,
- enhver
- applikationer
- ER
- AS
- At
- til rådighed
- BEDSTE
- bedste praksis
- bog
- Bygning
- by
- karriere
- klar
- kode
- Virksomheder
- konkurrencedygtig
- komplekse
- Overvej
- data
- krav
- implementering
- Design
- designe
- forskellige
- direkte
- Rabat
- dokumenter
- gør
- hver
- eBook
- Effektiv
- ende
- ende til ende
- ingeniør
- Ether (ETH)
- Endog
- Hver
- eksempel
- eksempler
- eksisterende
- erfaring
- Udforskning
- udtrykt
- omfattende
- Gårde
- Fields
- fyldt
- følger
- Til
- Framework
- Gratis
- fra
- indsamling
- godt
- vejlede
- Have
- stærkt
- Hvordan
- How To
- http
- HTTPS
- identificere
- vigtigt
- Forbedre
- forbedring
- in
- Interviews
- IT
- ITS
- jpg
- KDnuggets
- Lays
- LÆR
- læring
- maskine
- machine learning
- lave
- ledelse
- mange
- ML
- mere
- Naviger
- behov
- Ny
- of
- on
- optimering
- vores
- ud
- egen
- ydeevne
- personale
- planet
- planlægning
- plato
- Platon Data Intelligence
- PlatoData
- Praktisk
- praksis
- behandle
- Produkter
- projekt
- forlægger
- spørgsmål
- pålidelig
- gentagelig
- Krav
- roller
- Scale
- senior
- Hylde
- færdigheder
- Sourcing
- Historier
- vellykket
- systemet
- Systemer
- at
- deres
- denne
- tips
- til
- to
- enestående
- Vej..
- med
- skrivning
- dig
- Din
- zephyrnet