@KirkDBorne:管理机器学习项目:从设计到部署:http://amzn.to/4vTeq7K +以及+ 机器学习设计模式…

X AI KOLs Timeline 产品

摘要

推文推荐两本机器学习书籍:《管理机器学习项目:从设计到部署》和《机器学习设计模式》,并详细描述了前者的项目管理技巧。

管理机器学习项目:从设计到部署:https://t.co/HncA8svEnD +以及+ 机器学习设计模式——解决数据准备、模型构建和 MLOps 中常见挑战的方案:https://t.co/ybHDkKU3YX —————— #ML #DataScience #DataScientist https://t.co/FGKJjIBBUe
查看原文
查看缓存全文

缓存时间: 2026/08/10 07:27

Managing Machine Learning Projects from Design to Deployment: https://t.co/HncA8svEnD

+以及+

Machine Learning Design Patterns — Solutions to Common Challenges in Data Preparation, Model Building, and MLOps: https://t.co/ybHDkKU3YX

—————— #ML #DataScience #DataScientist https://t.co/FGKJjIBBUe

Managing Machine Learning Projects: From design to deployment: Thompson, Simon: 9781633439023: Amazon.com: 图书

来源:https://www.amazon.com/dp/163343902X?lv=shuf&channelId=500&plpRedirect=mhFallback&linkCode=sl2&tag=kirkdborne-20&linkId=8bbe113dccfa2812adf229a7481e6c46&language=en_US&ref_=as_li_ss_tl

这本独特的项目管理指南将指导你如何将机器学习项目从设计推进到生产。无需具备机器学习技能!

在《Managing Machine Learning Projects》中,你将学到关键的机器学习项目管理技巧,包括:

  • 理解机器学习项目的需求
  • 搭建项目基础设施并为团队配备资源
  • 与客户及其他利益相关方合作
  • 处理数据资源并将其引入项目使用
  • 管理项目中模型的生命周期
  • 管理机器学习算法的应用
  • 评估算法和模型的性能
  • 决定采用哪些模型进行交付
  • 将模型经过开发和测试
  • 将模型与生产系统集成以创建有效的应用程序
  • 管理机器学习技术伦理影响的步骤和行为

《Managing Machine Learning Projects》是一本端到端指南,帮助你在按时并按预算交付机器学习应用。它提供了专门应对机器学习项目管理独特挑战的工具、方法和流程。你将通过一系列冲刺(sprint)跟随一个深入案例研究,了解如何将每项技术付诸实践。本书对数据隐私和社区影响的高度关注,确保你的项目符合伦理、遵守全球法规,并避免因偏见等问题而失败。购买纸质书将免费获得 Manning Publications 提供的 PDF、Kindle 和 ePub 格式电子书。

关于技术

将机器学习项目运送到生产环境常常让人觉得像是在未知水域航行。从管理大规模数据资源到跟踪和评估多个模型,机器学习技术有着与传统软件截然不同的要求。不必担心!本书为你列出了确保项目成功所需的独特实践。

关于本书

《Managing Machine Learning Projects》是历经实战检验的技术宝库,用于有效交付真实世界的机器学习解决方案。本书通过一系列冲刺展开,带你从项目提案一路走到生产环境部署。你将学习如何规划关键基础设施、协调实验、保护敏感数据,以及可靠地衡量模型性能。许多机器学习项目未能创造真正价值——阅读本书,确保你的项目成功。

内容概要

  • 搭建基础设施并为团队配备资源
  • 将数据资源引入项目
  • 准确估算时间和工作量
  • 评估采用哪些模型进行交付
  • 将模型集成到有效的应用程序中

读者对象

适合任何对更好管理机器学习项目感兴趣的人。无需技术技能。

关于作者

Simon Thompson 有 25 年开发人工智能系统的经验,为电信、客户服务、制造业和资本市场创建应用。他曾领导英国 BT Labs 的 AI 研究项目,现为 GFT Technologies 的数据科学主管。

目录

1 引言:交付机器学习项目很难;让我们做得更好 2 项目前期:从机会到需求 3 项目前期:从需求到提案 4 开始 5 深入问题 6 数据探索、伦理与基线评估 7 用机器学习创建有用的模型 8 测试与选择 9 冲刺3:系统构建与生产 10 项目后期(冲刺 O)

相似文章