کتاب Building Machine Learning Powered Applications: Going from Idea to Product

توضیحات

در دنیای امروز، یادگیری ماشین (ML) به یکی از ابزارهای کلیدی در توسعه نرم‌افزار و برنامه‌های کاربردی تبدیل شده است. برای طراحی، ساخت و استقرار برنامه‌های مبتنی بر یادگیری ماشین، مهارت‌های خاصی لازم است که در این کتاب به‌طور جامع به آن‌ها پرداخته می‌شود. این کتاب عملی به شما این امکان را می‌دهد که یک برنامه نمونه مبتنی بر ML را از ایده اولیه تا محصول نهایی ایجاد کنید. هدف این کتاب، آموزش دانشمندان داده، مهندسان نرم‌افزار و مدیران محصول است، به‌طوری‌که چه حرفه‌ای‌های با تجربه و چه مبتدیان بتوانند گام به گام ابزارها، بهترین رویه‌ها و چالش‌های مرتبط با ساخت یک برنامه واقعی ML را یاد بگیرند.

nنویسنده این کتاب، امانوئل آمیسن، یک دانشمند داده با تجربه است که برنامه آموزشی هوش مصنوعی را رهبری کرده و در این کتاب مفاهیم عملی یادگیری ماشین را با استفاده از کدهای نمونه، تصاویر، اسکرین‌شات‌ها و مصاحبه‌هایی با رهبران صنعت به تصویر می‌کشد. این رویکرد به خوانندگان کمک می‌کند تا مفاهیم را به‌طور عملی درک کنند و از تجربیات واقعی بهره‌مند شوند.

nکتاب به چهار بخش اصلی تقسیم شده است. بخش اول به شما آموزش می‌دهد که چگونه یک برنامه ML را برنامه‌ریزی کنید و موفقیت آن را اندازه‌گیری کنید. در این بخش، شما یاد خواهید گرفت که چگونه هدف محصول خود را تعریف کرده و یک مشکل یادگیری ماشین را به‌طور مؤثر تنظیم کنید. این مرحله بسیار حیاتی است زیرا مشخص کردن هدف و مشکل اصلی، پایه‌گذار موفقیت پروژه شما خواهد بود.

nبخش دوم کتاب به توضیح چگونگی ساخت یک مدل ML عملی می‌پردازد. در این بخش، شما با مراحل مختلف توسعه مدل، از جمع‌آوری داده‌ها تا پیش‌پردازش آن‌ها و انتخاب الگوریتم‌های مناسب آشنا می‌شوید. این بخش به شما کمک می‌کند تا اولین پایپ‌لاین end-to-end خود را به‌سرعت بسازید و یک مجموعه داده اولیه به‌دست آورید.

nدر بخش سوم، نویسنده روش‌هایی را برای بهبود مدل تا زمانی که به دیدگاه اصلی شما برسد، نشان می‌دهد. این شامل آموزش مدل‌های ML، ارزیابی آن‌ها و رسیدگی به مشکلات عملکردی است. شما یاد خواهید گرفت که چگونه مدل‌های خود را آموزش داده و ارزیابی کنید و در صورت بروز مشکلات، راه‌حل‌های مناسبی پیدا کنید.

nبخش چهارم به استراتژی‌های استقرار و نظارت می‌پردازد. در این بخش، شما یاد می‌گیرید که چگونه مدل‌های خود را در یک محیط تولید استقرار داده و نظارت کنید. این مرحله به شما این امکان را می‌دهد که عملکرد مدل‌های خود را در دنیای واقعی ارزیابی کنید و در صورت نیاز، تغییرات لازم را اعمال کنید.

nدر نهایت، این کتاب به شما کمک می‌کند تا با استفاده از ابزارها و تکنیک‌های مناسب، یک برنامه ML کامل و کاربردی بسازید و از آن در محیط‌های واقعی بهره‌برداری کنید. با مطالعه این کتاب، شما می‌توانید مهارت‌های خود را در زمینه یادگیری ماشین به‌طور قابل‌توجهی افزایش دهید و به یک حرفه‌ای در این حوزه تبدیل شوید.