Building Machine Learning Powered Applications

Cómo llevar un modelo de ML desde la idea hasta una aplicación real que la gente use.

ÁreaMLOps y Machine Learning en Producción
TemaMLOps
NivelIntermedio
Publicación2020

Autor(es): Emmanuel Ameisen

¿Qué puedes lograr leyendo este libro?

  • Estructurar un proyecto de ML completo desde la definición del problema hasta el despliegue
  • Iterar rápidamente entre un modelo simple funcional y mejoras incrementales
  • Evitar errores comunes que hacen que proyectos de ML nunca lleguen a producción

Descripción

Ameisen se enfoca en el proceso completo de construir un producto con machine learning, no solo entrenar un modelo: cómo definir el problema correctamente, construir un primer prototipo simple, iterar basándose en errores reales, y finalmente desplegarlo como una aplicación funcional.

Para quién es ideal

  • Quien ya sabe entrenar modelos pero nunca ha llevado uno a producción
  • Data scientists trabajando en o hacia roles de producto
  • Práctica de estructurar proyectos de ML de punta a punta con criterio de producto
  • Complemento práctico y accesible antes de libros más técnicos de MLOps

Contenido destacado

  • Definición y estructuración correcta de un problema de ML
  • Construcción de un primer prototipo simple ('baseline')
  • Iteración basada en análisis de errores del modelo
  • Despliegue de modelos como aplicaciones funcionales
  • Monitoreo y mejora continua post-lanzamiento

Ventajas y limitaciones

Ventajas

  • Enfoque práctico en el proceso completo, no solo en el modelado
  • Ejemplos de principio a fin con un proyecto real construido a lo largo del libro
  • Accesible para quien no tiene experiencia previa en ingeniería de producción

Limitaciones

  • Menos profundidad técnica en infraestructura que Designing Machine Learning Systems
  • El ecosistema de herramientas de MLOps ha evolucionado desde su publicación

Libros relacionados