خرید و دانلود نسخه کامل کتاب Managing Machine Learning Projects: From design to deployment

توضیحاتی در مورد کتاب

با تکنیک های موجود در این راهنمای مدیریت پروژه منحصر به فرد، پروژه های یادگیری ماشین را از طراحی تا تولید هدایت کنید. بدون نیاز به مهارت های ML!

در مدیریت پروژه های یادگیری ماشینی، تکنیک های مدیریت پروژه یادگیری ماشینی ضروری را یاد خواهید گرفت، از جمله:
• درک الزامات پروژه ML
• راه اندازی زیرساخت برای پروژه و تامین منابع یک تیم
• کار با مشتریان و سایر ذینفعان
• برخورد با منابع داده و آوردن آنها به پروژه برای استفاده
• مدیریت چرخه عمر مدل ها در پروژهr n• مدیریت کاربرد الگوریتم‌های ML
• ارزیابی عملکرد الگوریتم‌ها و مدل‌ها
• تصمیم‌گیری در مورد مدل‌هایی که برای تحویل اتخاذ شود
• مدل‌سازی از طریق توسعه و آزمایش
• یکپارچه‌سازی مدل‌ها با سیستم‌های تولید برای ایجاد برنامه‌های کاربردی موثر
• گام‌ها و رفتارها برای مدیریت مفاهیم اخلاقی فناوری ML

مدیریت پروژه‌های یادگیری ماشینی راهنمای سرتاسری برای ارائه برنامه‌های یادگیری ماشینی است. زمان و کمتر از بودجه ابزارها، رویکردها و فرآیندهای طراحی شده برای رسیدگی به چالش های منحصر به فرد مدیریت پروژه یادگیری ماشین را ارائه می دهد. شما یک مطالعه موردی عمیق را از طریق یک سری دوی سرعت دنبال خواهید کرد و خواهید دید که چگونه هر تکنیک را در عمل پیاده کنید. توجه شدید کتاب به حریم خصوصی داده‌ها و تأثیر جامعه تضمین می‌کند که پروژه‌های شما اخلاقی هستند، با قوانین جهانی مطابقت دارند و از قرار گرفتن در معرض شکست ناشی از سوگیری و سایر مسائل جلوگیری می‌کنند.

درباره فناوری
فرینگ یادگیری ماشینی پروژه های تولید شده اغلب شبیه به حرکت در آب های ناشناخته است. از حسابداری برای منابع داده های بزرگ گرفته تا ردیابی و ارزیابی مدل های متعدد، فناوری یادگیری ماشین نیازهای اساسی متفاوتی نسبت به نرم افزارهای سنتی دارد. هرگز نترس! این کتاب شیوه‌های منحصربه‌فردی را که برای اطمینان از موفقیت پروژه‌هایتان نیاز دارید، ارائه می‌کند.

درباره کتاب
مدیریت پروژه‌های یادگیری ماشین منبع شگفت‌انگیزی از تکنیک‌های آزمایش‌شده در نبرد برای ارائه مؤثر زندگی واقعی است. راه حل های یادگیری ماشین این کتاب در مجموعه‌ای از دوی سرعت‌ها ارائه شده است که شما را از یک پروژه پیشنهادی تا مرحله تولید می‌برد. شما یاد خواهید گرفت که چگونه زیرساخت های ضروری را برنامه ریزی کنید، آزمایش ها را هماهنگ کنید، از داده های حساس محافظت کنید و عملکرد مدل را به طور قابل اعتماد اندازه گیری کنید. بسیاری از پروژه‌های ML در ایجاد ارزش واقعی شکست می‌خورند—این کتاب را بخوانید تا مطمئن شوید پروژه شما موفق است. منابع داده را در یک پروژه بیاورید
• زمان و تلاش را به طور دقیق برآورد کنید
• ارزیابی مدل هایی که برای تحویل اتخاذ شود
• مدل ها را در برنامه های کاربردی ادغام کنید

درباره Readerr nبرای هر کسی که علاقه مند به مدیریت بهتر پروژه های یادگیری ماشین است. هیچ مهارت فنی لازم نیست.

درباره نویسنده
Simon Thompson 25 سال را صرف توسعه سیستم های هوش مصنوعی برای ایجاد برنامه های کاربردی برای استفاده در مخابرات، خدمات مشتری، تولید و بازار سرمایه کرده است. او برنامه تحقیقاتی هوش مصنوعی را در آزمایشگاه BT در بریتانیا رهبری کرد و اکنون رئیس بخش علوم داده در GFT Technologies است.