Diseño de sistemas de Machine Learning

El libro Diseño de Sistemas de Machine Learning de Chip Huyen es el libro perfecto para dar el salto y sacar tus modelos de Machine Learning desarrollados en tu notebook para llevarlos al mundo real.

En los cursos actuales se da mucha importancia al entrenamiento de modelos de Machine Learning para conseguir la máxima precisión. Sin embargo, el mundo real es diferente y en sistemas de ML en producción, el modelo es sólo una pequeña pieza más de todo el engranaje.

Libro diseño de sistemas de machine learning pdf Designing Machine Learning systems Chip Huyen

Cada decisión tomada durante el proceso de diseño y desarrollo de un sistema de ML tiene que responder a un objetivo directamente relacionado con el problema de negocio que se quiere resolver.

Gracias a este libro, obtendrás un enfoque práctico y de alto nivel para ser capaz de construir, mantener y mejorar sistemas de ML robustos y adaptados a las necesidades de un proyecto real.

Además, el libro de Chip Huyen también es una introducción perfecta al mundo de MLOps y te dará una visión completa de un sistema de ML real.

Desde aspectos como la ingeniería de datos y la selección de métricas adecuadas para resolver problemas de negocio, la automatización del ciclo de vida de los modelos para garantizar que sus resultados siguen siendo buenos hasta temas como el desarrollo de sistemas de monitorización que permiten detectar rápidamente cualquier problema en producción.

No es un libro muy denso ni particularmente técnico por lo que puede ser un libro ideal para introducirse en el mundo de los sistemas de ML reales desde el punto de vista del diseño con los objetivos de negocio en mente.

Personalmente, lo recomiendo 💯.

Todos los Capítulos de este libro

A continuación encontrarás un resumen de los capítulos del libro.

Capítulo 1. Sistemas de ML
Capítulo 2. Diseño de sistemas de ML
Capítulo 3. Fundamentos de ingeniería de datos
Capítulo 4. Datos de entrenamiento
Capítulo 5. Ingeniería de características
Capítulo 6. Desarrollo de modelos y evaluación offline
Capítulo 7. Despliegue del modelo y servicio de predicción
Capítulo 8. Cambios en la distribución de los datos y monitorización
Capítulo 9. Entrenamiento continuo y pruebas en producción
Capítulo 10. Infraestructura y herramientas para MLOps
Capítulo 11. La parte humana del ML

Accede a todo el contenido premium

Ya no necesitas pagar cientos de euros por un Bootcamp para convertirte en ninja de los datos. Por solo 17€/mes (o menos 🤯), obtén acceso al podcast premium, a todos los tutoriales y a los resúmenes de los libros más top sobre Machine Learning y Ciencia de datos y aprende a tu ritmo.
¡Empieza ahora!
Copyright © 2024  · Datos 🥷 · Todos los derechos reservados