Читаем онлайн «Инженерия машинного обучения»
- 123 . . . последняя (52) »
Андрей Бурков
Инженерия машинного обучения
Machine Learning
Engineering
Andriy Burkov
Инженерия
машинного обучения
Андрей Бурков
Москва, 2022
УДК 004.4
ББК 32.972
Б91
Б91
Бурков А.
Инженерия машинного обучения / пер. с англ. А. А. Слинкина. – М.: ДМК
Пресс, 2022. – 306 с.: ил.
ISBN 978-5-93700-125-2
Книга представляет собой подробный обзор передовых практик и паттернов
проектирования в области прикладного машинного обучения. В отличие от многих учебников, уделяется внимание инженерным аспектам МО. Рассматриваются
сбор, хранение и предобработка данных, конструирование признаков, а также
тестирование и отладка моделей, развертывание и вывод из эксплуатации, сопровождение на этапе выполнения и в процессе эксплуатации. Главы книги можно
изучать в любом порядке.
Издание будет полезно тем, кто собирается использовать машинное обучение
в крупномасштабных проектах. Предполагается, что читатель знаком с основами
МО и способен построить модель при наличии подходящим образом отформатированного набора данных.
Дизайн обложки разработан с использованием ресурса freepik.com
УДК 004.4
ББК 32.972
Copyright Title of English-language edition: “Machine Learning Engineering”, ISBN 978-19995795-7-9 published by Andriy Burkov. Copyright © 2020 Andriy Burkov. Russian-language
edition copyright © 2022 by DMK Press Publishing. All rights reserved.
Все права защищены. Любая часть этой книги не может быть воспроизведена в какой бы то ни было форме и какими бы то ни было средствами без письменного разрешения
владельцев авторских прав.
ISBN 978-1-9995795-7-9 (англ.)
ISBN 978-5-93700-125-2 (рус.)
© Andriy Burkov, 2020
© Перевод, оформление, издание,
ДМК Пресс, 2022
Теоретически между теорией и практикой
нет никакой разницы. Но на практике она есть.
– Бенджамин Брюстер
Идеальный план проекта –
сначала составить список всех неизвестных.
– Билл Лэнгли
Привлечение средств – это искусственный интеллект.
Найм на работу – машинное обучение.
Реализация – это линейная регрессия.
А отладка – это printf().
– Бэрон Шварц
Содержание
От издательства. ...................................................................................................14
Вступительное слово..........................................................................................15
Предисловие...........................................................................................................17
Глава 1. Введение.................................................................................................19
1.1. Обозначения и определения..............................................................................19
1.1.1. Структуры данных........................................................................................19
1.1.2. Заглавная сигма............................................................................................21
1.2. Что такое машинное обучение. .........................................................................21
1.2.1. Обучение с учителем. ..................................................................................22
1.2.2. Обучение без учителя..................................................................................23
1.2.3. Обучение с частичным привлечением учителя.......................................24
1.2.4. Обучение с подкреплением........................................................................24
1.3. Терминология машинного обучения................................................................25
1.3.1. Данные, используемые прямо и косвенно...............................................25
1.3.2. Первичные и аккуратные данные..............................................................26
1.3.3. Обучающие и зарезервированные наборы. .............................................27
1.3.4. Ориентир. ......................................................................................................28
1.3.5. Конвейер машинного обучения.................................................................28
1.3.6. Параметры и гиперпараметры...................................................................29
1.3.7. Классификация и регрессия........................................................................29
1.3.8. Обучение на основе модели и обучение на основе экземпляров.........30
1.3.9. Поверхностное и глубокое обучение.........................................................30
1.3.10. Обучение и оценивание. ...........................................................................30
1.4. Когда следует использовать машинное обучение. .........................................31
1.4.1. Когда задача слишком сложна для кодирования.....................................31
1.4.2. Когда задача постоянно меняется. ............................................................32
1.4.3. Когда речь идет о задаче восприятия........................................................32
1.4.4. Когда это неизученное явление. ................................................................32
1.4.5. Когда задача имеет простую целевую функцию......................................33
1.4.6. Когда это экономически выгодно..............................................................33
1.5. Когда не следует использовать машинное обучение. ....................................34
1.6. Что такое инженерия машинного обучения....................................................34
1.7. Жизненный цикл проекта машинного обучения. ..........................................36
1.8. Резюме...................................................................................................................37
Глава 2. Прежде чем приступать к проекту............................................39
2.1. Определение приоритетов проекта машинного обучения...........................39
2.1.1. Последствия машинного обучения............................................................39
2.1.2. Стоимость машинного обучения...............................................................40
Содержание 7
2.2. Оценивание сложности проекта машинного обучения.................................41
2.2.1.
Инженерия машинного обучения
Machine Learning
Engineering
Andriy Burkov
Инженерия
машинного обучения
Андрей Бурков
Москва, 2022
УДК 004.4
ББК 32.972
Б91
Б91
Бурков А.
Инженерия машинного обучения / пер. с англ. А. А. Слинкина. – М.: ДМК
Пресс, 2022. – 306 с.: ил.
ISBN 978-5-93700-125-2
Книга представляет собой подробный обзор передовых практик и паттернов
проектирования в области прикладного машинного обучения. В отличие от многих учебников, уделяется внимание инженерным аспектам МО. Рассматриваются
сбор, хранение и предобработка данных, конструирование признаков, а также
тестирование и отладка моделей, развертывание и вывод из эксплуатации, сопровождение на этапе выполнения и в процессе эксплуатации. Главы книги можно
изучать в любом порядке.
Издание будет полезно тем, кто собирается использовать машинное обучение
в крупномасштабных проектах. Предполагается, что читатель знаком с основами
МО и способен построить модель при наличии подходящим образом отформатированного набора данных.
Дизайн обложки разработан с использованием ресурса freepik.com
УДК 004.4
ББК 32.972
Copyright Title of English-language edition: “Machine Learning Engineering”, ISBN 978-19995795-7-9 published by Andriy Burkov. Copyright © 2020 Andriy Burkov. Russian-language
edition copyright © 2022 by DMK Press Publishing. All rights reserved.
Все права защищены. Любая часть этой книги не может быть воспроизведена в какой бы то ни было форме и какими бы то ни было средствами без письменного разрешения
владельцев авторских прав.
ISBN 978-1-9995795-7-9 (англ.)
ISBN 978-5-93700-125-2 (рус.)
© Andriy Burkov, 2020
© Перевод, оформление, издание,
ДМК Пресс, 2022
Теоретически между теорией и практикой
нет никакой разницы. Но на практике она есть.
– Бенджамин Брюстер
Идеальный план проекта –
сначала составить список всех неизвестных.
– Билл Лэнгли
Привлечение средств – это искусственный интеллект.
Найм на работу – машинное обучение.
Реализация – это линейная регрессия.
А отладка – это printf().
– Бэрон Шварц
Содержание
От издательства. ...................................................................................................14
Вступительное слово..........................................................................................15
Предисловие...........................................................................................................17
Глава 1. Введение.................................................................................................19
1.1. Обозначения и определения..............................................................................19
1.1.1. Структуры данных........................................................................................19
1.1.2. Заглавная сигма............................................................................................21
1.2. Что такое машинное обучение. .........................................................................21
1.2.1. Обучение с учителем. ..................................................................................22
1.2.2. Обучение без учителя..................................................................................23
1.2.3. Обучение с частичным привлечением учителя.......................................24
1.2.4. Обучение с подкреплением........................................................................24
1.3. Терминология машинного обучения................................................................25
1.3.1. Данные, используемые прямо и косвенно...............................................25
1.3.2. Первичные и аккуратные данные..............................................................26
1.3.3. Обучающие и зарезервированные наборы. .............................................27
1.3.4. Ориентир. ......................................................................................................28
1.3.5. Конвейер машинного обучения.................................................................28
1.3.6. Параметры и гиперпараметры...................................................................29
1.3.7. Классификация и регрессия........................................................................29
1.3.8. Обучение на основе модели и обучение на основе экземпляров.........30
1.3.9. Поверхностное и глубокое обучение.........................................................30
1.3.10. Обучение и оценивание. ...........................................................................30
1.4. Когда следует использовать машинное обучение. .........................................31
1.4.1. Когда задача слишком сложна для кодирования.....................................31
1.4.2. Когда задача постоянно меняется. ............................................................32
1.4.3. Когда речь идет о задаче восприятия........................................................32
1.4.4. Когда это неизученное явление. ................................................................32
1.4.5. Когда задача имеет простую целевую функцию......................................33
1.4.6. Когда это экономически выгодно..............................................................33
1.5. Когда не следует использовать машинное обучение. ....................................34
1.6. Что такое инженерия машинного обучения....................................................34
1.7. Жизненный цикл проекта машинного обучения. ..........................................36
1.8. Резюме...................................................................................................................37
Глава 2. Прежде чем приступать к проекту............................................39
2.1. Определение приоритетов проекта машинного обучения...........................39
2.1.1. Последствия машинного обучения............................................................39
2.1.2. Стоимость машинного обучения...............................................................40
Содержание 7
2.2. Оценивание сложности проекта машинного обучения.................................41
2.2.1.
- 123 . . . последняя (52) »