Логотип LiveLibbetaК основной версии
Обложка
User AvatarВаша оценка
4,5
(2)

Проектирование систем машинного обучения

Хьюен Ч.
Сегодня машинное обучение – основной практический аппарат для применения искусственного интеллекта. Книга, основанная на стэнфордском учебном курсе, не ограничивается разбором конкретных библиотек, а описывает высокоуровневый подход к разработке систем машинного обучения, который упрощает их поддержку и развитие, позволяет избежать переобучения, искажения результатов. Рассказано, как сделать новую систему машинного обучения или нейронную сеть, надёжной, репрезентативной и расширяемой, а также ка...

Рейтинг LiveLib

4,5
2 оценки
  • 5
    50%
  • 4
    50%
  • 3
    0%
  • 2
    0%
  • 1
    0%
User AvatarВаша оценка
Прочитали 4Хотят прочитать 4

Рецензии

  • Аватар пользователя
    bru_sia30 ноября 2025 г.

    Развертывание ML-моделей — задача инженерная, а не уровня ML.

    Представленная вниманию читателя книга скорее методологическая, чем техническая. Широким профессиональным взглядом она охватывает все стадии классического жизненного цикла нейросетевых моделей, не забывая (как это нередко бывает в специализированной ML/DL-литературе, направляющей основной фокус на разработку модели) не менее подробно рассмотреть трудности, связанные с эксплуатацией готового решения. Учитывая, что в сфере ИИ понятие "готовности" зачастую вовсе неприменимо: в ходе эксплуатации исходные распределения данных, итеративно разрабатываемые и дорабатываемые модели, подходы и архитектуры изменяются, тестируются и обновляются, что делает как разработку, так и доставку и развёртывание частями единого непрерывного процесса наподобие того, как это давно принято в промышленной разработке и эксплуатации программного обеспечения.

    Как я отметила ранее, технической составляющей в книге не так уж и много. В отличие от той же  Yuan Tang - Distributed Machine Learning Patterns , о которой я оставляла подробный отзыв ранее и которая гораздо больше посвящена проектированию систем, данная книга даёт скорее более высокоуровневый взгляд на то, как следует выстраивать процессы разработки внутри компании, как распределять обязанности между командами и каким аспектам в каждом из больших блоков жизненного цикла программного продукта, использующего системы искусственного интеллекта, уделять больше внимания. Также верхнеуровнево без глубокой специфика объяснены различия разных подходов, реализаций и методов, разобраны преимущества и ограничения каждого и целесообразность использования той или иной модели в зависимости от ситуации, целей бизнеса и нужд пользователей и компании в целом.

    По доступности и охвату книга будет полезна любому из специалистов в областях, связанных с разработкой систем ИИ, находящихся [специалистов] на любой из стадий этого объёмного процесса), даст структурированное понимание сферы применения систем машинного обучения и подходов к проектированию таких систем. Тем не менее, предположу, что наибольший интерес в силу особенностей мышления и фокуса на системных вопроса она вызовет у опытных инженеров, в то время, как наибольшую пользу принесёт именно начинающим и/или развивающимся специалистам.

    Помимо несомненных плюсов, уже перечисленных ранее, отдельной благодарности автор заслуживает в связи с рассмотрением этических аспектов разработки ИИ, взаимодействию с общественностью, а также экспертами из предметной области (которых автор настоятельно рекомендует использовать по максимуму на всех стадиях процесса разработки и анализа моделей). Эта отдельная область, заслуживающая, пожалуй, отдельной книги. Тем благодарнее я автору за то немыслимое количество рекомендованной литературы, сопутствующей каждому смысловому блоку книги и позволяющей углубиться в любой из заинтересовавших читателя аспектов систем применимости ИИ.

    Удачи вам в попытке научить врача использовать Git.

    Читать далее
    Содержит спойлеры
    13
    68
Все рецензии

Цитаты

  • Аватар пользователя
    bru_sia30 ноября 2025 г.

    ИИ — это быстро развивающаяся область. В ИИ постоянно обнаруживаются новые источники предубеждений, а при попытках внедрения ответственного ИИ регулярно возникают новые проблемы. Однако активно разрабатываются и новые методы борьбы с этими предубеждениями и проблемами. Поэтому всегда важно быть в курсе последних исследований в области ответственного ИИ. И с этой целью рекомендуется отслеживать конференции АСМ FAccT Conference (https://oreil.ly/dkEeG), Partnership on Al (https://partnershiponai.org/), Alan Turing Institute's Fairness, Transparency, Privacy group (https://oreil.ly/5aiQh) и Al Now Institute (https://ainowinstitute.org/).

    Читать далее
    4
    21
  • Аватар пользователя
    bru_sia30 ноября 2025 г.

    В литературе по ML часто высказывается безосновательное предположение, что оптимизация одного свойства — например, точности модели, не затрагивает и не меняет все остальные. Специалисты могут обсуждать методы повышения досто-верности модели, считая, что точность или задержка останутся прежними. Однако на самом деле улучшение одного свойства может привести к ухудшению других.

    4
    23
  • Аватар пользователя
    bru_sia30 ноября 2025 г.

    Поздравляю! Вы завершили, вероятно, одну из самых технических глав книги! Она носит технический характер, поскольку развертывание ML-моделей — задача инженерная, а не уровня ML.

    4
    19
Все цитаты

Подборки с этой книгой

Все подборки