Building Machine Learning Powered Applications. Going from Idea to Product
- Autor:
- Emmanuel Ameisen
- Ocena:
- Bądź pierwszym, który oceni tę książkę
- Stron:
- 260
- Dostępne formaty:
-
ePubMobi
Opis ebooka: Building Machine Learning Powered Applications. Going from Idea to Product
Learn the skills necessary to design, build, and deploy applications powered by machine learning (ML). Through the course of this hands-on book, you’ll build an example ML-driven application from initial idea to deployed product. Data scientists, software engineers, and product managers—including experienced practitioners and novices alike—will learn the tools, best practices, and challenges involved in building a real-world ML application step by step.
Author Emmanuel Ameisen, an experienced data scientist who led an AI education program, demonstrates practical ML concepts using code snippets, illustrations, screenshots, and interviews with industry leaders. Part I teaches you how to plan an ML application and measure success. Part II explains how to build a working ML model. Part III demonstrates ways to improve the model until it fulfills your original vision. Part IV covers deployment and monitoring strategies.
This book will help you:
- Define your product goal and set up a machine learning problem
- Build your first end-to-end pipeline quickly and acquire an initial dataset
- Train and evaluate your ML models and address performance bottlenecks
- Deploy and monitor your models in a production environment
Wybrane bestsellery
-
To książka przeznaczona dla programistów i menedżerów, którzy wśród rodzących się idei uczenia maszynowego wciąż poszukują rozwiązań dla swojego biznesu. Autor omawia krok po kroku proces tworzenia i wdrażania aplikacji opartej na uczeniu maszynowym, a praktyczne koncepcje przedstawia za pomocą p...
Uczenie maszynowe w aplikacjach. Projektowanie, budowa i wdrażanie Uczenie maszynowe w aplikacjach. Projektowanie, budowa i wdrażanie
(24.90 zł najniższa cena z 30 dni)29.49 zł
59.00 zł(-50%) -
Oto zaktualizowane wydanie popularnego przewodnika, dzięki któremu skorzystasz z ponad dwustu sprawdzonych receptur bazujących na najnowszych wydaniach bibliotek Pythona. Wystarczy, że skopiujesz i dostosujesz kod do swoich potrzeb. Możesz też go uruchamiać i testować za pomocą przykładowego zbio...
Uczenie maszynowe w Pythonie. Receptury. Od przygotowania danych do deep learningu. Wydanie II Uczenie maszynowe w Pythonie. Receptury. Od przygotowania danych do deep learningu. Wydanie II
(71.20 zł najniższa cena z 30 dni)57.84 zł
89.00 zł(-35%) -
Odkryj fascynujący świat sztucznej inteligencji (AI) bez zbędnych komplikacji! Ta książka to idealny przewodnik dla każdego, kto chce zrozumieć, jak AI zmienia nasz świat, od podstawowych pojęć po zaawansowane technologie. Dzięki jasnym wyjaśnieniom i przystępnemu językowi, autor demistyfikuje sk...
AI bez tajemnic. Sztuczna Inteligencja od podstaw po zaawansowane techniki AI bez tajemnic. Sztuczna Inteligencja od podstaw po zaawansowane techniki
-
Tę książkę docenią wszyscy zainteresowani eksploracją danych i uczeniem maszynowym, którzy chcieliby pewnie poruszać się w świecie nauki o danych. Pokazano tu, w jaki sposób Excel pozwala zobrazować proces ich eksplorowania i jak działają poszczególne techniki w tym zakresie. Przejrzyście wyjaśni...
Eksploracja danych za pomocą Excela. Metody uczenia maszynowego krok po kroku Eksploracja danych za pomocą Excela. Metody uczenia maszynowego krok po kroku
(40.20 zł najniższa cena z 30 dni)43.55 zł
67.00 zł(-35%) -
Oto praktyczny przewodnik po nauce o danych w miejscu pracy. Dowiesz się stąd wszystkiego, co ważne na początku Twojej drogi jako danologa: od osobowości, z którymi przyjdzie Ci pracować, przez detale analizy danych, po matematykę stojącą za algorytmami i uczeniem maszynowym. Nauczysz się myśleć ...
Analityk danych. Przewodnik po data science, statystyce i uczeniu maszynowym Analityk danych. Przewodnik po data science, statystyce i uczeniu maszynowym
(41.40 zł najniższa cena z 30 dni)44.85 zł
69.00 zł(-35%) -
Książka jest adresowana do wszystkich, którzy chcą budować, rozwijać i skalować systemy NLP w środowisku biznesowym, a także dostosowywać je do swojej branży. Opisuje tworzenie rzeczywistych aplikacji NLP. Omawia pełny cykl życia typowego projektu NLP, od zbierania danych po wdrożenie i monitorow...
Przetwarzanie języka naturalnego w praktyce. Przewodnik po budowie rzeczywistych systemów NLP Przetwarzanie języka naturalnego w praktyce. Przewodnik po budowie rzeczywistych systemów NLP
Sowmya Vajjala, Bodhisattwa Majumder, Anuj Gupta, Harshit Surana
(65.40 zł najniższa cena z 30 dni)70.85 zł
109.00 zł(-35%) -
Głębokie sieci neuronowe mają niesamowity potencjał. Osiągnięcia ostatnich lat nadały procesom uczenia głębokiego zupełnie nową jakość. Obecnie nawet programiści niezaznajomieni z tą technologią mogą korzystać z prostych i niezwykle skutecznych narzędzi, pozwalających na sprawne implementowanie p...
Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow. Wydanie III Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow. Wydanie III
(107.40 zł najniższa cena z 30 dni)116.35 zł
179.00 zł(-35%) -
Książka stanowi kompendium wiedzy na temat tej niesłychanie szybko rozwijającej się i dynamicznie wkraczającej w nasze życie dziedziny. Została napisana tak, aby była przystępna dla osób posiadających podstawowe umiejętności matematyczne. Może stanowić podręcznik dla studentów takich kierunków ja...(29.40 zł najniższa cena z 30 dni)
31.85 zł
49.00 zł(-35%) -
Sztuczna inteligencja staje się powoli nieodzownym składnikiem naszego życia. Przeszła długą drogę od modnego hasła pojawiającego się głównie w specjalistycznych publikacjach do technologii mającej realny wpływ na naszą codzienność. Z każdym dniem lepiej radzi sobie z coraz bardziej zaawansowanym...(41.40 zł najniższa cena z 30 dni)
55.20 zł
69.00 zł(-20%) -
To książka przeznaczona dla inżynierów, którzy chcą stosować systemy uczenia maszynowego do rozwiązywania rzeczywistych problemów biznesowych. Zaprezentowano w niej systemy ML używane w szybko rozwijających się startupach, a także przedstawiono holistyczne podejście do ich projektowania ― z...
Jak projektować systemy uczenia maszynowego. Iteracyjne tworzenie aplikacji gotowych do pracy Jak projektować systemy uczenia maszynowego. Iteracyjne tworzenie aplikacji gotowych do pracy
(53.40 zł najniższa cena z 30 dni)57.84 zł
89.00 zł(-35%)
O autorze ebooka
Emmanuel Ameisen jest inżynierem uczenia maszynowego w Stripe. Wcześniej implementował i wdrażał rozwiązania do analiz predykcyjnych i uczenia maszynowego w Local Motion i Zipcar. Prowadził program sztucznej inteligencji w Insight Data Science. Zrealizował ponad sto projektów wykorzystujących uczenie maszynowe.
Kup polskie wydanie:
Uczenie maszynowe w aplikacjach. Projektowanie, budowa i wdrażanie
- Autor:
- Emmanuel Ameisen
29,49 zł
59,00 zł
(24.90 zł najniższa cena z 30 dni)
Ebooka "Building Machine Learning Powered Applications. Going from Idea to Product" przeczytasz na:
-
czytnikach Inkbook, Kindle, Pocketbook, Onyx Boox i innych
-
systemach Windows, MacOS i innych
-
systemach Windows, Android, iOS, HarmonyOS
-
na dowolnych urządzeniach i aplikacjach obsługujących formaty: PDF, EPub, Mobi
Masz pytania? Zajrzyj do zakładki Pomoc »
Audiobooka "Building Machine Learning Powered Applications. Going from Idea to Product" posłuchasz:
-
w aplikacji Ebookpoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych
-
na dowolnych urządzeniach i aplikacjach obsługujących format MP3 (pliki spakowane w ZIP)
Masz pytania? Zajrzyj do zakładki Pomoc »
Kurs Video "Building Machine Learning Powered Applications. Going from Idea to Product" zobaczysz:
-
w aplikacjach Ebookpoint i Videopoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych z dostępem do najnowszej wersji Twojej przeglądarki internetowej
Szczegóły ebooka
- ISBN Ebooka:
- 978-14-920-4506-9, 9781492045069
- Data wydania ebooka:
- 2020-01-21 Data wydania ebooka często jest dniem wprowadzenia tytułu do sprzedaży i może nie być równoznaczna z datą wydania książki papierowej. Dodatkowe informacje możesz znaleźć w darmowym fragmencie. Jeśli masz wątpliwości skontaktuj się z nami sklep@ebookpoint.pl.
- Język publikacji:
- angielski
- Rozmiar pliku ePub:
- 11.0MB
- Rozmiar pliku Mobi:
- 22.2MB
Spis treści ebooka
- Preface
- The Goal of Using Machine Learning Powered Applications
- Use ML to Build Practical Applications
- Additional Resources
- The Goal of Using Machine Learning Powered Applications
- Practical ML
- What This Book Covers
- The entire process of ML
- A technical, practical case study
- Real business applications
- What This Book Covers
- Prerequisites
- Our Case Study: MLAssisted Writing
- The ML Process
- Conventions Used in This Book
- Using Code Examples
- OReilly Online Learning
- How to Contact Us
- Acknowledgments
- I. Find the Correct ML Approach
- 1. From Product Goal to ML Framing
- Estimate What Is Possible
- Models
- Classification and regression
- Knowledge extraction from unstructured data
- Catalog organization
- Generative models
- Models
- Data
- Data types
- Data availability
- Datasets are iterative
- Estimate What Is Possible
- Framing the ML Editor
- Trying to Do It All with ML: An End-to-End Framework
- The Simplest Approach: Being the Algorithm
- Middle Ground: Learning from Our Experience
- Monica Rogati: How to Choose and Prioritize ML Projects
- Conclusion
- 2. Create a Plan
- Measuring Success
- Business Performance
- Model Performance
- Freshness and Distribution Shift
- Speed
- Measuring Success
- Estimate Scope and Challenges
- Leverage Domain Expertise
- Learning from experts
- Examining the data
- Leverage Domain Expertise
- Stand on the Shoulders of Giants
- Open data
- Open source code
- Bring both together
- ML Editor Planning
- Initial Plan for an Editor
- Always Start with a Simple Model
- To Make Regular Progress: Start Simple
- Start with a Simple Pipeline
- Training
- Inference
- Start with a Simple Pipeline
- Pipeline for the ML Editor
- Conclusion
- II. Build a Working Pipeline
- 3. Build Your First End-to-End Pipeline
- The Simplest Scaffolding
- Prototype of an ML Editor
- Parse and Clean Data
- Tokenizing Text
- Generating Features
- Test Your Workflow
- User Experience
- Modeling Results
- Finding the impact bottleneck
- ML Editor Prototype Evaluation
- Model
- User Experience
- Conclusion
- 4. Acquire an Initial Dataset
- Iterate on Datasets
- Do Data Science
- Iterate on Datasets
- Explore Your First Dataset
- Be Efficient, Start Small
- Insights Versus Products
- A Data Quality Rubric
- Data format
- Data quality
- Data quantity and distribution
- ML editor data inspection
- Label to Find Data Trends
- Summary Statistics
- Summary statistics for ML editor
- Summary Statistics
- Explore and Label Efficiently
- Vectorizing
- Tabular data
- Text data
- Image data
- Vectorizing
- Dimensionality reduction
- Clustering
- Be the Algorithm
- Data Trends
- Let Data Inform Features and Models
- Build Features Out of Patterns
- Raw datetime
- Extracting day of week and day of month
- Feature crosses
- Giving your model the answer
- Build Features Out of Patterns
- ML Editor Features
- Robert Munro: How Do You Find, Label, and Leverage Data?
- Conclusion
- III. Iterate on Models
- 5. Train and Evaluate Your Model
- The Simplest Appropriate Model
- Simple Models
- Quick to implement
- Understandable
- Deployable
- Simple Models
- From Patterns to Models
- We want to ignore feature scale
- Our predicted variable is a linear combination of predictors
- Our data has a temporal aspect
- Each data point is a combination of patterns
- ML Editor model
- The Simplest Appropriate Model
- Split Your Dataset
- Validation set
- Test set
- Relative proportions
- Data leakage
- Temporal data leakage
- Sample contamination
- ML Editor Data Split
- Judge Performance
- Bias variance trade-off
- Going beyond aggregate metrics
- Evaluate Your Model: Look Beyond Accuracy
- Contrast Data and Predictions
- Confusion Matrix
- ROC Curve
- Calibration Curve
- Dimensionality Reduction for Errors
- The Top-k Method
- The k best performing examples
- The k worst performing examples
- The k most uncertain examples
- Top-k implementation tips
- Top-k method for the ML Editor
- Other Models
- Evaluate Feature Importance
- Directly from a Classifier
- Black-Box Explainers
- Conclusion
- 6. Debug Your ML Problems
- Software Best Practices
- ML-Specific Best Practices
- Software Best Practices
- Debug Wiring: Visualizing and Testing
- Start with One Example
- Visualization steps
- Data loading
- Cleaning and feature selection
- Feature generation
- Data formatting
- Model output
- Systematizing our visual validation
- Separate your concerns
- Start with One Example
- Test Your ML Code
- Test data ingestion
- Test data processing
- Test model outputs
- Debug Training: Make Your Model Learn
- Task Difficulty
- Data quality, quantity, and diversity
- Data representation
- Model capacity
- Task Difficulty
- Optimization Problems
- Debug Generalization: Make Your Model Useful
- Data Leakage
- Overfitting
- Regularization
- Data augmentation
- Dataset redesign
- Consider the Task at Hand
- Conclusion
- 7. Using Classifiers for Writing Recommendations
- Extracting Recommendations from Models
- What Can We Achieve Without a Model?
- Using feature statistics
- What Can We Achieve Without a Model?
- Extracting Global Feature Importance
- Using a Models Score
- Extracting Local Feature Importance
- Extracting Recommendations from Models
- Comparing Models
- Version 1: The Report Card
- Version 2: More Powerful, More Unclear
- Version 3: Understandable Recommendations
- Generating Editing Recommendations
- Conclusion
- IV. Deploy and Monitor
- 8. Considerations When Deploying Models
- Data Concerns
- Data Ownership
- Data Bias
- Test sets
- Systemic Bias
- Data Concerns
- Modeling Concerns
- Feedback Loops
- Inclusive Model Performance
- Considering Context
- Adversaries
- Defeating a model
- Exploiting a model
- Abuse Concerns and Dual-Use
- Chris Harland: Shipping Experiments
- Conclusion
- 9. Choose Your Deployment Option
- Server-Side Deployment
- Streaming Application or API
- Batch Predictions
- Server-Side Deployment
- Client-Side Deployment
- On Device
- Browser Side
- Federated Learning: A Hybrid Approach
- Conclusion
- 10. Build Safeguards for Models
- Engineer Around Failures
- Input and Output Checks
- Check inputs
- Model outputs
- Input and Output Checks
- Model Failure Fallbacks
- Filtering model
- Engineer Around Failures
- Engineer for Performance
- Scale to Multiple Users
- Caching for ML
- Caching inference results
- Caching by indexing
- Caching for ML
- Scale to Multiple Users
- Model and Data Life Cycle Management
- Reproducibility
- Resilience
- Pipeline flexibility
- Data Processing and DAGs
- Ask for Feedback
- Chris Moody: Empowering Data Scientists to Deploy Models
- Conclusion
- 11. Monitor and Update Models
- Monitoring Saves Lives
- Monitoring to Inform Refresh Rate
- Monitor to Detect Abuse
- Monitoring Saves Lives
- Choose What to Monitor
- Performance Metrics
- Business Metrics
- CI/CD for ML
- A/B Testing and Experimentation
- Choosing groups and duration
- Estimating the better variant
- Building the infrastructure
- A/B Testing and Experimentation
- Other Approaches
- Conclusion
- Index
O'Reilly Media - inne książki
-
Software as a service (SaaS) is on the path to becoming the de facto model for building, delivering, and operating software solutions. Adopting a multi-tenant SaaS model requires builders to take on a broad range of new architecture, implementation, and operational challenges. How data is partiti...(237.15 zł najniższa cena z 30 dni)
245.65 zł
289.00 zł(-15%) -
Great engineers don't necessarily make great leaders—at least, not without a lot of work. Finding your path to becoming a strong leader is often fraught with challenges. It's not easy to figure out how to be strategic, successful, and considerate while also being firm. Whether you're on the...(118.15 zł najniższa cena z 30 dni)
126.65 zł
149.00 zł(-15%) -
Data science happens in code. The ability to write reproducible, robust, scaleable code is key to a data science project's success—and is absolutely essential for those working with production code. This practical book bridges the gap between data science and software engineering,and clearl...(211.65 zł najniższa cena z 30 dni)
220.15 zł
259.00 zł(-15%) -
With the massive adoption of microservices, operators and developers face far more complexity in their applications today. Service meshes can help you manage this problem by providing a unified control plane to secure, manage, and monitor your entire network. This practical guide shows you how th...(194.65 zł najniższa cena z 30 dni)
211.65 zł
249.00 zł(-15%) -
Get practical advice on how to leverage AI development tools for all stages of code creation, including requirements, planning, design, coding, debugging, testing, and documentation. With this book, beginners and experienced developers alike will learn how to use a wide range of tools, from gener...(177.65 zł najniższa cena z 30 dni)
164.25 zł
219.00 zł(-25%) -
Rust's popularity is growing, due in part to features like memory safety, type safety, and thread safety. But these same elements can also make learning Rust a challenge, even for experienced programmers. This practical guide helps you make the transition to writing idiomatic Rust—while als...(177.65 zł najniższa cena z 30 dni)
164.25 zł
219.00 zł(-25%) -
Advance your Power BI skills by adding AI to your repertoire at a practice level. With this practical book, business-oriented software engineers and developers will learn the terminologies, practices, and strategy necessary to successfully incorporate AI into your business intelligence estate. Je...(211.65 zł najniższa cena z 30 dni)
220.15 zł
259.00 zł(-15%) -
Microservices can be a very effective approach for delivering value to your organization and to your customers. If you get them right, microservices help you to move fast by making changes to small parts of your system hundreds of times a day. But if you get them wrong, microservices will just ma...(203.15 zł najniższa cena z 30 dni)
211.65 zł
249.00 zł(-15%) -
JavaScript gives web developers great power to create rich interactive browser experiences, and much of that power is provided by the browser itself. Modern web APIs enable web-based applications to come to life like never before, supporting actions that once required browser plug-ins. Some are s...(186.15 zł najniższa cena z 30 dni)
186.15 zł
219.00 zł(-15%) -
How will software development and operations have to change to meet the sustainability and green needs of the planet? And what does that imply for development organizations? In this eye-opening book, sustainable software advocates Anne Currie, Sarah Hsu, and Sara Bergman provide a unique overview...(160.65 zł najniższa cena z 30 dni)
169.14 zł
199.00 zł(-15%)
Dzieki opcji "Druk na żądanie" do sprzedaży wracają tytuły Grupy Helion, które cieszyły sie dużym zainteresowaniem, a których nakład został wyprzedany.
Dla naszych Czytelników wydrukowaliśmy dodatkową pulę egzemplarzy w technice druku cyfrowego.
Co powinieneś wiedzieć o usłudze "Druk na żądanie":
- usługa obejmuje tylko widoczną poniżej listę tytułów, którą na bieżąco aktualizujemy;
- cena książki może być wyższa od początkowej ceny detalicznej, co jest spowodowane kosztami druku cyfrowego (wyższymi niż koszty tradycyjnego druku offsetowego). Obowiązująca cena jest zawsze podawana na stronie WWW książki;
- zawartość książki wraz z dodatkami (płyta CD, DVD) odpowiada jej pierwotnemu wydaniu i jest w pełni komplementarna;
- usługa nie obejmuje książek w kolorze.
Masz pytanie o konkretny tytuł? Napisz do nas: sklep[at]helion.pl.
Książka, którą chcesz zamówić pochodzi z końcówki nakładu. Oznacza to, że mogą się pojawić drobne defekty (otarcia, rysy, zagięcia).
Co powinieneś wiedzieć o usłudze "Końcówka nakładu":
- usługa obejmuje tylko książki oznaczone tagiem "Końcówka nakładu";
- wady o których mowa powyżej nie podlegają reklamacji;
Masz pytanie o konkretny tytuł? Napisz do nas: sklep[at]helion.pl.
Książka drukowana
Oceny i opinie klientów: Building Machine Learning Powered Applications. Going from Idea to Product Emmanuel Ameisen (0) Weryfikacja opinii następuję na podstawie historii zamówień na koncie Użytkownika umieszczającego opinię. Użytkownik mógł otrzymać punkty za opublikowanie opinii uprawniające do uzyskania rabatu w ramach Programu Punktowego.