0 رای
وضعیت موجودی موجود

قیمت قبلی: 2,150,000 ریال
قیمت: 1,750,000 ریال

 



Product details

  • Publisher ‏ : ‎ True Positive Inc. (September 5, 2020)
  • Language ‏ : ‎ English
  • Paperback ‏ : ‎ 310 pages
  • ISBN-10 ‏ : ‎ 1999579577
  • ISBN-13 ‏ : ‎ 978-1999579579


 

کتاب Machine Learning Engineering

From the author of a world bestseller published in eleven languages, The Hundred-Page Machine Learning Book, this new book by Andriy Burkov is the most complete applied AI book out there. It is filled with best practices and design patterns of building reliable machine learning solutions that scale. Andriy Burkov has a Ph.D. in AI and is the leader of a machine learning team at Gartner. This book is based on Andriy's own 15 years of experience in solving problems with AI as well as on the published experience of the industry leaders.

Here's what Cassie Kozyrkov, Chief Decision Scientist at Google tells about the book in the Foreword:

"You're looking at one of the few true Applied Machine Learning books out there. That's right, you found one! A real applied needle in the haystack of research-oriented stuff. Excellent job, dear reader... unless what you were actually looking for is a book to help you learn the skills to design general-purpose algorithms, in which case I hope the author won't be too upset with me for telling you to flee now and go pick up pretty much any other machine learning book. This one is different."
[...]
"So, what's in [...] the book? The machine learning equivalent of a bumper guide to innovating in recipes to make food at scale. Since you haven't read the book yet, I'll put it in culinary terms: you'll need to figure out what's worth cooking / what the objectives are (decision-making and product management), understand the suppliers and the customers (domain expertise and business acumen), how to process ingredients at scale (data engineering and analysis), how to try many different ingredient-appliance combinations quickly to generate potential recipes (prototype phase ML engineering), how to check that the quality of the recipe is good enough to serve (statistics), how to turn a potential recipe into millions of dishes served efficiently (production phase ML engineering), and how to ensure that your dishes stay top-notch even if the delivery truck brings you a ton of potatoes instead of the rice you ordered (reliability engineering). This book is one of the few to offer perspectives on each step of the end-to-end process."
[...]
"One of my favorite things about this book is how fully it embraces the most important thing you need to know about machine learning: mistakes are possible... and sometimes they hurt. As my colleagues in site reliability engineering love to say, "Hope is not a strategy." Hoping that there will be no mistakes is the worst approach you can take. This book does so much better. It promptly shatters any false sense of security you were tempted to have about building an AI system that is more "intelligent" than you are. (Um, no. Just no.) Then it diligently takes you through a survey of all kinds of things that can go wrong in practice and how to prevent/detect/handle them. This book does a great job of outlining the importance of monitoring, how to approach model maintenance, what to do when things go wrong, how to think about fallback strategies for the kinds of mistakes you can't anticipate, how to deal with adversaries who try to exploit your system, and how to manage the expectations of your human users (there's also a section on what to do when your, er, users are machines). These are hugely important topics in practical machine learning, but they're so often neglected in other books. Not here."

"If you intend to use machine learning to solve business problems at scale, I'm delighted you got your hands on this book. Enjoy!"

منابع کتاب کتاب Machine Learning Engineering

 
 
 
 
 
 
 
 
 
 
 
 
 
این کتاب جدید توسط آندری بورکوف کامل‌ترین کتاب هوش مصنوعی کاربردی است که از نویسنده یک کتاب پرفروش جهان به یازده زبان منتشر شده است، کتاب یادگیری ماشین صد صفحه‌ای. این مملو از بهترین شیوه‌ها و الگوهای طراحی ساخت راه‌حل‌های یادگیری ماشینی قابل اعتماد است که مقیاس‌پذیر هستند. آندری بورکوف دارای مدرک Ph.D. در هوش مصنوعی و رهبر یک تیم یادگیری ماشین در گارتنر است. این کتاب بر اساس تجربه 15 ساله خود آندری در حل مشکلات هوش مصنوعی و همچنین تجربیات منتشر شده از رهبران صنعت است.

در اینجا چیزی است که Cassie Kozyrkov، دانشمند ارشد تصمیم گیری در گوگل در مورد این کتاب در پیش گفتار می گوید:

"شما به یکی از معدود کتاب‌های واقعی یادگیری ماشین کاربردی نگاه می‌کنید. درست است، یکی را پیدا کردید! یک سوزن کاربردی واقعی در انبوهی از چیزهای تحقیق محور. کار عالی، خواننده عزیز... مگر اینکه آن چیزی که بودید. در واقع به دنبال کتابی است که به شما کمک می‌کند مهارت‌های طراحی الگوریتم‌های همه‌منظوره را بیاموزید، در این صورت امیدوارم نویسنده از این که به شما بگویم اکنون فرار کنید و تقریباً هر یادگیری ماشین دیگری را انتخاب کنید، از دست من ناراحت نشود. این یکی متفاوت است."
[...]
"بنابراین، چه چیزی در [...] کتاب وجود دارد؟ معادل یادگیری ماشینی یک راهنمای سپر برای نوآوری در دستور العمل ها برای تهیه غذا در مقیاس. چون هنوز کتاب را نخوانده اید، من خواهم گذاشت از نظر آشپزی: باید بفهمید چه چیزی ارزش پختن دارد / اهداف چیست (تصمیم گیری و مدیریت محصول )، درک تامین کنندگان و مشتریان ( تخصص حوزه و هوش تجاری )، نحوه پردازش مواد در مقیاس ( مهندسی داده ها و تجزیه و تحلیل )، و چگونه اطمینان حاصل کنیم که غذاهای شما حتی اگر کامیون تحویل به جای برنجی که شما سفارش داده اید، یک تن سیب زمینی برای شما بیاورد ( مهندسی قابلیت اطمینانچگونه می توان بسیاری از ترکیبات مختلف مواد و لوازم خانگی را به سرعت برای تولید دستور العمل های بالقوه امتحان کرد ( نمونه اولیه مهندسی ML )، چگونه بررسی کنیم که کیفیت دستور پخت به اندازه کافی خوب است ( آمار )، چگونه یک دستور غذای بالقوه را به میلیون ها غذا تبدیل کنیم. ظروف ارائه شده به طور موثر ( فاز تولید مهندسی ML ). این کتاب یکی از معدود کتاب هایی است که دیدگاه هایی را در مورد هر مرحله از فرآیند پایان به انتها ارائه می دهد."
[...]
"یکی از موارد مورد علاقه من در مورد این کتاب این است که چقدر مهم ترین چیزی را که باید بدانید در بر می گیرد. در مورد یادگیری ماشینی: اشتباهات ممکن است... و گاهی اوقات باعث آسیب می شوند. همانطور که همکاران من در مهندسی قابلیت اطمینان سایت دوست دارند بگویند، "امید یک استراتژی نیست."امید به اینکه هیچ اشتباهی وجود نداشته باشد بدترین رویکردی است که می توانید در پیش بگیرید. این کتاب خیلی بهتر عمل می کند. این به سرعت هرگونه احساس امنیت کاذبی را که وسوسه شده بودید در مورد ساختن یک سیستم هوش مصنوعی که از شما "هوشمندتر" باشد، از بین می برد. (اوم، نه. فقط نه.) سپس شما را مجدانه از طریق بررسی انواع چیزهایی که در عمل ممکن است اشتباه پیش بروند و نحوه پیشگیری/تشخیص/برخورد با آن‌ها هدایت می‌شود. این کتاب کار بسیار خوبی در تشریح اهمیت نظارت، نحوه رویکرد به تعمیر و نگهداری مدل، کارهایی که باید انجام داد در مواقعی که مشکل پیش می‌رود، نحوه تفکر در مورد استراتژی‌های بازگشتی برای انواع اشتباهاتی که نمی‌توانید پیش‌بینی کنید، نحوه برخورد با دشمنانی که سعی کنید از سیستم خود سوء استفاده کنید، و چگونه انتظارات کاربران انسانی خود را مدیریت کنید (همچنین بخشی وجود دارد که وقتی کاربران شما ماشین هستند، چه کاری انجام دهید). اینها موضوعات بسیار مهمی در یادگیری ماشینی عملی هستند، اما اغلب در کتاب‌های دیگر نادیده گرفته می‌شوند. اینجا نه."

"اگر قصد دارید از یادگیری ماشینی برای حل مشکلات تجاری در مقیاس بزرگ استفاده کنید، خوشحالم که این کتاب را به دست آوردید. لذت ببرید!"

 

نظرات کاربران درباره کتاب Machine Learning Engineering

نظری در مورد این محصول توسط کاربران ارسال نگردیده است.
اولین نفری باشید که در مورد کتاب Machine Learning Engineering نظر می دهد.

ارسال نظر درباره کتاب Machine Learning Engineering

لطفا توجه داشته باشید که ایمیل شما منتشر نخواهد شد.

بر اساس سلیقه شما...

  Product details Publisher ‏ : ‎  Manning (Ma ...
3,160,000 ریال
  Product details Publisher ‏ : ‎  Cengage Lea ...
4,280,000 ریال
  Product details Publisher ‏ : ‎  O'Reill ...
3,410,000 ریال

codebazan

طراحی و اجرا: فروشگاه ساز سبدخرید