Designing Machine Learning Systems

ผู้เขียน: Chip Huyen

สำนักพิมพ์: Core Function

หมวดหมู่: คอมพิวเตอร์ , คอมพิวเตอร์ Internet

0 (0) เขียนรีวิว

585.00 บาท

650.00 บาท ประหยัด 65.00 บาท (10.00 %)

จำนวนคะแนนที่ได้รับ 23 คะแนน

หลักการและเทคนิคจากประสบการณ์จริงในธุรกิจ เรียบเรียงด้วยสำนวนไทย อ่านเข้าใจง่าย < แสดงน้อยลง หลักการและเทคนิคจากประสบการณ์จริงในธุรกิจ เรียบเรียงด้วยสำนวนไทย อ่านเข้าใจง่าย
  • ส่วนลด:
    ลด 10%
  • โปรโมชั่น:Naiin.com ช้อปหนังสือคุ้ม ลดแรง ต่อที่ 1 หนังสือลดเลย 10%

585.00 บาท

650.00 บาท
650.00 บาท
ประหยัด 65.00 บาท (10.00 %)

จำนวนคะแนนที่ได้รับ 23 คะแนน

จำนวน :

1

  • โปรโมชั่นพิเศษ:
    • Naiin.com ช้อปหนังสือคุ้ม ลดแรง ต่อที่ 2 ลดเลยทันที 150 เมื่อซื้อครบ 1200.-
จำนวนหน้า
360 หน้า
ประเภทสินค้า
ขนาด
16.5 x 23.9 x 1.7 CM
น้ำหนัก
0.603 KG
บาร์โค้ด
9786168282304

รายละเอียด : Designing Machine Learning Systems

   ระบบแมชชีนเลิร์นนิ่งมีทั้งความซับซ้อน และแตกต่างไม่ซ้ำกัน เพราะมีองค์ประกอบจำนวนมาก และมีผู้เกี่ยวข้องหลายฝ่าย อีกทั้งการสร้างระบบขึ้นอยู่กับข้อมูล ซึ่งแต่ละกรณีก็มีข้อมูลไม่เหมือนกัน หนังสือ "Designing Machine Learning Systems" เล่มนี้ จึงเสนอการเรียนรู้แบบองค์รวม โดยให้แนวทางการออกแบบระบบ ML ที่วางใจได้ รองรับการปรับขนาด บำรุงรักษาง่าย และปรับเปลี่ยนให้เข้ากับสภาพแวดล้อม และข้อกำหนดทางธุรกิจที่เปลี่ยนแปลงได้

    เนื้อหาภายในเล่มจะช่วยให้คุณเรียนรู้ในการรับมือกับสถานการณ์ต่าง ๆ อาทิ ขั้นตอนทางวิศวกรรมข้อมูล และการเลือกตัวชี้วัดที่เหมาะสม และการเลือกตัวชี้วัดที่เหมาะสมเพื่อตอบโจทย์ธุรกิจ การสร้างกระบวนการอัตโนมัติสำหรับการพัฒนาแบบต่อเนื่อง การประเมิน การปรับใช้และการอัพเดทโมเดล การพัฒนาระบบตรวจสอบ เพื่อตรวจจับและแก้ไขปัญหาที่อาจพบขณะใช้งาน สถาปัตยกรรมของแพล็ตฟอร์ม ML ที่ประยุกต์ใช้งานได้หลากหลายกรณี การพัฒนาระบบ ML ที่มีความรับผิดชอบต่อสังคมและธุรกิจ จึงเหมาะสำหรับผู้บริหารไอทียุคใหม่, CIO, MIS Manager, Data Scientist และผู้สนใจทำโปรเจกต์ ML/AI ทั่วไป เพื่อวางแผนการผลิต และพัฒนาโมเดลและแอพพลิเคชันด้าน ML/AI ให้มีประสิทธิภาพ รวดเร็ว ถูกต้องเชื่อถือได้


สารบัญ : Designing Machine Learning Systems

    บทที่ 1 ภาพรวมของระบบแมชชีนเลิร์นนิ่ง
    บทที่ 2 การออกแบบระบบแมชชีนเลิร์นนิ่งเบื้องต้น
    บทที่ 3 ความรู้พื้นฐานด้านวิศวกรรมข้อมูล
    บทที่ 4 ข้อมูลสำหรับการฝึก
    บทที่ 5 งานวิศวกรรมฟีเจอร์
    บทที่ 6 การพัฒนาโมเดลและประเมินผลแบบออฟไลน์
    บทที่ 7 การปรับใช้โมเดลและการให้บริการ
    บทที่ 8 การเปลี่ยนแปลงการแจกแจงข้อมูลและการเฝ้าติดตาม
    บทที่ 9 การเรียนรู้ต่อเนื่องและการทดสอบขณะใช้งาน
    บทที่ 10 โครงสร้างพื้นฐานและเครื่องมือสำหรับ MLOps
    บทที่ 11 ML กับด้านที่เกี่ยวข้องกับมนุษย์

รีวิว


0.0
  • 5
    0%
  • 4
    0%
  • 3
    0%
  • 2
    0%
  • 1
    0%
เฉลิมพระเกียรติ พระบาทสมเด็จพระเจ้าอยู่หัว