Design Patterns für Machine Learning

Solutions pratiques éprouvées pour des tâches complexes d'apprentissage automatique. Couvre toutes les phases du pipeline de produit ML. Structure claire qui permet de comprendre rapidement les concepts et les relations. Accent sur TensorFlow, mais également transférable aux projets PyTorch.

Les modèles de conception dans ce livre présentent des méthodes et des solutions éprouvées pour des tâches récurrentes en apprentissage automatique. Les auteurs, trois experts en apprentissage automatique chez Google, décrivent des approches éprouvées pour aider les Data Scientists et les Data Engineers à résoudre des problèmes courants tout au long du processus ML. Les modèles rassemblent les expériences de centaines d'experts et offrent des meilleures pratiques simples et accessibles.

Dans ce livre, vous trouverez des explications détaillées sur 30 modèles pour les thèmes suivants : représentation des données et des problèmes, opérationnalisation, répétabilité, reproductibilité, flexibilité, explicabilité et équité. Chaque modèle contient une description du problème, une variété de solutions possibles et des recommandations pour choisir la meilleure technique pour votre situation.