دانلود کتاب Machine Learning Engineering (به فارسی: مهندسی یادگیری ماشین) نوشته شده توسط «Andriy Burkov»
اطلاعات کتاب مهندسی یادگیری ماشین
موضوع اصلی: کامپیوتر – علوم کامپیوتر
نوع: کتاب الکترونیکی
ناشر: True Positive Inc.
نویسنده: Andriy Burkov
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2020
تعداد صفحه: 310 / 274
حجم فایل: 38.42 مگابایت
کد کتاب: 1999579577 , 9781999579579
نوبت چاپ: 1
توضیحات کتاب مهندسی یادگیری ماشین
این کتاب جدید توسط آندری بورکوف از نویسنده یک کتاب پرفروش جهانی که به یازده زبان منتشر شده است، کتاب یادگیری ماشینی صد صفحه ای کامل ترین کتاب هوش مصنوعی کاربردی است. این مملو از بهترین شیوه‌ها و الگوهای طراحی ساخت راه‌حل‌های یادگیری ماشینی قابل اعتماد است که مقیاس‌پذیر هستند. آندری بورکوف دارای مدرک دکترا است. 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 Google در مورد این کتاب در پیشگفتار می گوید:
“شما به یکی از معدود کتاب‌های واقعی یادگیری ماشین کاربردی نگاه می‌کنید. درست است، شما یکی را پیدا کردید! یک سوزن کاربردی واقعی در انبار کاه‌های تحقیقات 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 گفتم اکنون فرار کنید و تقریباً هر یادگیری ماشینی 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. از آنجایی که شما هنوز کتاب را نخوانده اید، آن را به صورت آشپزی بیان می کنم: شما باید بفهمید که چه چیزی ارزش پختن دارد / اهداف چیست (تصمیم گیری و مدیریت محصول)، تامین کنندگان و مشتریان (تخصص حوزه و هوش تجاری)، نحوه پردازش مواد در مقیاس (مهندسی داده ها و تجزیه و تحلیل) ، چگونه ترکیبات مختلف مواد و لوازم خانگی را به سرعت برای تولید دستور العمل های بالقوه امتحان کنیم (نمونه اولیه مهندسی ML)، چگونه بررسی کنیم که کیفیت دستور پخت به اندازه کافی خوب است (آمار)، چگونه یک دستور پخت بالقوه را به میلیون ها غذا تبدیل کنیم. به طور موثر ارائه می شود (مهندسی ML فاز تولید)، و چگونه می توان اطمینان حاصل کرد که ظروف شما درجه یک باقی می مانند حتی اگر کامیون تحویل به جای برنجی که سفارش داده اید یک تن سیب زمینی برای شما بیاورد (مهندسی قابلیت اطمینان). این کتاب یکی از معدود کتاب هایی است که دیدگاه ارائه دهد s در هر مرحله از فرآیند انتها به انتها.”
[…]
“یکی از موارد مورد علاقه من در مورد این کتاب این است که چقدر مهم ترین چیزی را که باید در مورد یادگیری ماشین بدانید، در بر می گیرد: اشتباهات ممکن است… و گاهی اوقات آسیب می رسانند. همانطور که همکاران من در مهندسی قابلیت اطمینان سایت دوست دارند بگویند، “امیدوارم این یک استراتژی نیست.” امید به اینکه هیچ اشتباهی وجود نداشته باشد بدترین رویکردی است که می توانید در پیش بگیرید. این کتاب بسیار بهتر عمل می کند. هر احساس امنیت کاذبی را که در مورد ساختن یک سیستم هوش مصنوعی وسوسه شده بودید به سرعت از بین می برد. باهوش” از شما. (اوم، نه. فقط نه.) سپس شما را با جدیت در بررسی انواع چیزهایی که در عمل ممکن است اشتباه پیش بروند و نحوه پیشگیری/تشخیص/برخورد با آنها را راهنمایی می کند. این کتاب کار بسیار خوبی انجام می دهد. تشریح اهمیت نظارت، نحوه رویکرد تعمیر و نگهداری مدل، کارهایی که باید در صورت بروز مشکل انجام شود، نحوه تفکر در مورد استراتژی های بازگشتی برای انواع اشتباهاتی که نمی توانید پیش بینی کنید، نحوه برخورد با دشمنانی که سعی در سوء استفاده از سیستم شما دارند، و چگونگی مدیریت انتظارات از کاربران انسانی شما (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 نیست.”
“اگر قصد دارید از یادگیری ماشینی برای حل مشکلات تجاری در مقیاس بزرگ استفاده کنید، خوشحالم که این کتاب را به دست آورده اید. لذت ببرید!”
درباره نویسنده
آندری بورکوف دارای مدرک Ph.D. در هوش مصنوعی او به عنوان دانشمند ارشد داده و رهبر تیم یادگیری ماشین در گارتنر کار می کند.
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!”
About the Author
Andriy Burkov holds a Ph.D. in Artificial Intelligence. He works as a senior data scientist and machine learning team leader at Gartner.
دانلود کتاب «مهندسی یادگیری ماشین»
برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.