建構機器學習系統實踐指南
澁井雄介
- 出版商: 碁峰資訊
- 出版日期: 2024-07-17
- 定價: $620
- 售價: 7.9 折 $490
- 語言: 繁體中文
- ISBN: 6263248424
- ISBN-13: 9786263248427
-
相關分類:
Machine Learning
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
用 Python 實作強化學習|使用 TensorFlow 與 OpenAI Gym (Hands-On Reinforcement Learning with Python)$520$442 -
機器學習的數學基礎 : AI、深度學習打底必讀$580$458 -
Python 機器學習 (下), 3/e (Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 3/e)$520$406 -
資料科學的建模基礎 : 別急著 coding!你知道模型的陷阱嗎?$599$539 -
深度學習的 16 堂課:CNN + RNN + GAN + DQN + DRL, 看得懂、學得會、做得出! (Deep Learning Illustrated: A Visual, Interactive Guide to Artificial Intelligence)$620$489 -
機器學習的統計基礎 : 深度學習背後的核心技術$680$537 -
工業大數據分析實踐$600$570 -
Good Code, Bad Code|寫出高品質的程式碼 (Good Code, Bad Code: Think Like a Software Engineer)$520$411 -
機器學習聖經:最完整的統計學習方法$880$695 -
AI 開發的機器學習系統設計模式$620$490 -
Ubuntu22 系統管理與網路服務實務應用:晉升專業網管工程師×物聯網工程師實戰攻略$660$515 -
圖解 AI 人工智慧$480$379 -
設計機器學習系統|迭代開發生產環境就緒的 ML 程式 (Designing Machine Learning Systems: An Iterative Process for Production-Ready Applications)$780$616 -
$469LangChain 入門指南:構建高可復用、可擴展的 LLM 應用程序 -
TypeScript + React Web 應用開發實戰$648$616 -
$422LangChain 實戰:從原型到生產,動手打造 LLM 應用 -
Linux 高可用負載均衡集群實踐真傳$354$336 -
超圖解 ESP32 應用實作$820$648 -
Stable Diffusion:與杰克艾米立攜手專精 AI 繪圖$750$593 -
最新機器學習的教科書, 2/e$780$616 -
深度學習 -- 最佳入門邁向 AI 專題實戰, 2/e$1,200$948 -
台灣之光物件辨識 - 最新 YOLO 原理精讀+實戰$800$632 -
遞迴演算法大師親授面試心法:Python 與 JavaScript 解題全攻略 (The Recursive Book of Recursion)$680$448 -
機器學習的訓練資料 (Training Data for Machine Learning)$780$616 -
讓 AI 好好說話!從頭打造 LLM (大型語言模型) 實戰秘笈$680$537
中文年末書展|繁簡參展書2書75折 詳見活動內容 »
-
75折
為你寫的 Vue Components:從原子到系統,一步步用設計思維打造面面俱到的元件實戰力 (iThome 鐵人賽系列書)$780$585 -
75折
BDD in Action, 2/e (中文版)$960$720 -
75折
看不見的戰場:社群、AI 與企業資安危機$750$563 -
79折
AI 精準提問 × 高效應用:DeepSeek、ChatGPT、Claude、Gemini、Copilot 一本搞定$390$308 -
7折
超實用!Word.Excel.PowerPoint 辦公室 Office 365 省時高手必備 50招, 4/e (暢銷回饋版)$420$294 -
75折
裂縫碎光:資安數位生存戰$550$412 -
日本當代最強插畫 2025 : 150位當代最強畫師豪華作品集$640$576 -
79折
Google BI 解決方案:Looker Studio × AI 數據驅動行銷實作,完美整合 Google Analytics 4、Google Ads、ChatGPT、Gemini$630$498 -
79折
超有料 Plus!職場第一實用的 AI 工作術 - 用對 AI 工具、自動化 Agent, 讓生產力全面進化!$599$473 -
75折
從零開始學 Visual C# 2022 程式設計, 4/e (暢銷回饋版)$690$518 -
75折
Windows 11 制霸攻略:圖解 AI 與 Copilot 應用,輕鬆搞懂新手必學的 Windows 技巧$640$480 -
75折
精準駕馭 Word!論文寫作絕非難事 (好評回饋版)$480$360 -
Sam Yang 的插畫藝術:用 Procreate / PS 畫出最強男友視角 x 女孩美好日常$699$629 -
79折
AI 加持!Google Sheets 超級工作流$599$473 -
78折
想要 SSR? 快使用 Nuxt 吧!:Nuxt 讓 Vue.js 更好處理 SEO 搜尋引擎最佳化(iThome鐵人賽系列書)$780$608 -
78折
超實用!業務.總管.人資的辦公室 WORD 365 省時高手必備 50招 (第二版)$500$390 -
7折
Node-RED + YOLO + ESP32-CAM:AIoT 智慧物聯網與邊緣 AI 專題實戰$680$476 -
79折
「生成式⇄AI」:52 個零程式互動體驗,打造新世代人工智慧素養$599$473 -
7折
Windows APT Warfare:惡意程式前線戰術指南, 3/e$720$504 -
75折
我輩程式人:回顧從 Ada 到 AI 這條程式路,程式人如何改變世界的歷史與未來展望 (We, Programmers: A Chronicle of Coders from Ada to AI)$850$637 -
75折
不用自己寫!用 GitHub Copilot 搞定 LLM 應用開發$600$450 -
79折
Tensorflow 接班王者:Google JAX 深度學習又快又強大 (好評回饋版)$780$616 -
79折
GPT4 會你也會 - 共融機器人的多模態互動式情感分析 (好評回饋版)$700$553 -
79折
技術士技能檢定 電腦軟體應用丙級術科解題教本|Office 2021$460$363 -
75折
Notion 與 Notion AI 全能實戰手冊:生活、學習與職場的智慧策略 (暢銷回饋版)$560$420
相關主題
商品描述
可於第一線使用!
運用設計模式的最佳設計、建構與維護方法
滿載機器學習系統實用化所需的設計、開發、維護知識
適合AI工程師、系統工程師
本書旨在提供一個全方位的指南,幫助讀者將機器學習真正應用於實際的商業環境中。
企業的核心是經營事業而不能僅只於研究,所以讓機器學習實用化所需的工程技術與知識,與機器學習的學術研究同樣重要,甚至更加重要。而要讓機器學習快速實用化且變得更加方便,就需要建置各種系統。
本書主要在講述前著《AI開發的機器學習系統設計模式》未能觸及的內容,特別是如何在商業環境中建立機器學習系統,包括定義商業場合的使用情境、建構工作流程與系統,並且強調機器學習系統的實際應用,以及會遇到的問題,詳盡解說如何將機器學習整合到現有的運行系統和工作流程中。
市面上雖然有許多介紹機器學習模型建構與使用方式的書籍,卻很少有針對系統建置的說明。因此,本書的重點在於讓機器學習能夠真正付諸實用,包括課題設定、工作流程設計以及系統建置方法。
本書不僅介紹機器學習模型,更著重於建立應用機器學習所需的前台、後台、基礎架構、管線、BI工具等。
主要內容包括:
.定義商業應用場景:介紹不同的商業情境及如何在這些情境中應用機器學習。
.建構工作流程與系統:不僅限於機器學習模型,還包括前台、後台、基礎架構、管線、BI工具及其他相關軟體的建立。
.解決現有書籍的不足:現有書籍多專注於技術和實例,但很少介紹驅動機器學習的系統建構方法。本書彌補這一不足。
.課題設定和系統嵌入:介紹如何設定機器學習要解決的課題,並將其嵌入系統和日常業務活動中。
.實例與應用:書中包含作者自製的智慧型手機App、後台、批次系統及相關資料的實例,並提供實際運作的系統示範。
.前著延伸:本書是《AI開發的機器學習系統設計模式》的延續,涵蓋了前著未涉及的部分,如課題設定和系統嵌入方法。
.綜合技術學習:讀者能通過個案研究學會課題設定、工作流程設計、系統開發及團隊建置等技術。
提供下列需求度較高的機器學習系統範例
.需求預測系統
.違規偵測系統
透過案例,學習機器學習實用化所需的內容
.課題設置
.工作流程設計
.系統開發
.團隊設計
作者簡介
澀井雄介
於Launchable Inc服務。目前是MLOps工程師、基礎建設工程師、後台工程師、Android工程師、兩隻貓的飼主,家裡有四座貓吊床。主業為Developer Productivity。除了持續開發MLOps、資料架構,還努力經營MLOps社群。過去曾於SIer、外資軟體供應商、新創公司負責新產品,以及維護大規模系統與管理團隊。之前於Mercari撰寫將機器學習植入系統的設計模式。
.GitHub「Machine learning system design pattern」
URL https://github.com/mercari/ml-system-design-pattern
.作者的GitHub帳戶
URL https://github.com/shibuiwilliam
目錄大綱
前言
本書的目標讀者與必要的先備的知識
本書的編排方式
本書範例檔的執行環境
書上的範例檔與GitHub範例檔的差異之處
本書的範例檔
第1章 課題、團體、系統
1.1 如何透過軟體技術解決商業課題
1.2 設計利用機器學習解決課題的腳本
1.3 根據團隊規模與技術思考開發與維護系統的流程
1.4 設計機器學習系統的架構
1.5 新的機器學習系統設計模式
1.6 團隊編制的模式
1.7 小結
第2章 建立需求預測系統
2.1 需求預測的目的
2.2 機器學習團隊與軟體開發團隊的編制範例
2.3 利用機器學習預測需求
2.4 需求預測系統與業務的工作流程
2.5 總結
第3章 利用動物圖片應用程式建置違規內容偵測系統
3.1 動物圖片應用程式的概要
3.2 偵測違規內容的目的
3.3 定義判斷違規內容所需的資料
3.4 設計違規內容偵測系統與工作流程
3.5 開發違規內容偵測模型
3.6 讓違規內容偵測系統實用化
3.7 總結
第4章 於動物圖片應用程式的搜尋功能使用機器學習
4.1 動物圖片應用程式的搜尋功能
4.2 利用機器學習改善搜尋功能
4.3 建立相似詞詞典
4.4 利用排序學習排序搜尋結果
4.5 建置A/B測試
4.6 利用圖片搜尋
4.7 打造使用者願意使用的機器學習
結語
索引









