設計機器學習系統|迭代開發生產環境就緒的ML程式

　　機器學習系統既複雜又獨特，複雜之處在於系統組件繁多，並涉及許多不同的持份者。獨特之處在於系統依賴資料，且資料在不同使用案例中大有不同。在本書，您將學習一種整體方法來設計可靠、可擴展、可維護，並能適應不斷變化環境和業務需求的機器學習系統。

　　Claypot AI的聯合創始人、作者Chip Huyen考慮了每項設計決策—如何處理和創建訓練資料、使用哪些功能、重新訓練模型的頻率以及監控範圍，讓系統全面達標。本書提出的迭代框架結合實際案例研究，案例背後具大量參考文獻支持。

　　本書將幫助您應對以下場景：
　　‧規劃資料並選擇正確的指標來解決業務問題
　　‧自動化流程以持續開發、評估、部署和更新模型
　　‧開發監控系統，以快速檢測和解決模型在生產環境可能遇到的問題
　　‧構建跨用例服務的ML平台
　　‧開發負責任的機器學習系統

名人推薦

　　「簡而言之，這是關於如何在公司構建、部署和擴展機器學習模型以獲得最大影響的最佳書籍。 」
　　—Josh Wills（WeaveGrid軟體工程師和前任Slack資料工程總監）

　　「在蓬勃發展但混亂的生態系統中，提供了ML從端到端的原則性視角，既是地圖又是指南針；大型科技公司內外的從業者必讀。」 —Jacopo Tagliabue（Coveo人工智慧總監）

作者簡介

Chip Huyen

　　Chip Huyen 是實時機器學習平台Claypot AI的聯合創辦人。她曾於NVIDIA，Netflix，及Snorkel AI工作，從中幫助了全球最大型的機構開發和部署ML系統。Chip以自己在斯坦福大學任教的課程「CS 329s：機器學習系統設計」作為本書藍本。