Machine Learning Engineering - Un guide complet pour construire des systèmes d'IA fiables

Ingénierie de l'apprentissage automatique (Andriy Burkov)

Avis des lecteurs

Résumé:

Ce livre est une suite complète de l'ouvrage précédent de l'auteur, « The 100 Page Machine Learning Book », qui se concentre sur l'ingénierie et l'application pratique de l'apprentissage automatique. Il est loué pour sa clarté, son approche pratique et sa capacité à renforcer les concepts de base. Cependant, certains critiques le trouvent trop basique, manquant de profondeur sur certains sujets, et il y a des plaintes concernant son organisation et sa pertinence.

Avantages:

⬤ Explications claires
⬤ connaissances pratiques
⬤ excellent renforcement des concepts
⬤ concis mais complet
⬤ bonne référence pour les data scientists en transition vers des rôles ML
⬤ précieux pour comprendre le cycle de vie ML et le déploiement de la production.

Inconvénients:

⬤ Un peu superficiel et manque de profondeur
⬤ peut être répétitif par rapport au livre précédent
⬤ ne convient pas aux débutants
⬤ organisation mitigée car il commence à manquer du contenu introductif essentiel
⬤ critique sur le fait qu'il ne reste pas pertinent ou approfondi sur les sujets couverts.

(basé sur 35 avis de lecteurs)

Titre original :

Machine Learning Engineering

Contenu du livre :

Le livre le plus complet sur les aspects techniques de la construction de systèmes d'IA fiables.

"Si vous avez l'intention d'utiliser l'apprentissage automatique pour résoudre des problèmes commerciaux à grande échelle, je suis ravi que vous ayez mis la main sur ce livre. "Cassie Kozyrkov, Chief Decision Scientist chez Google "Un ouvrage fondamental sur la réalité de la construction de modèles d'apprentissage automatique en production.

"Karolis Urbonas, responsable de l'apprentissage automatique et de la science chez Amazon.