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