Designing Machine Learning Systems

El libro más moderno y completo sobre cómo diseñar sistemas de ML confiables a escala de producción.

ÁreaMLOps y Machine Learning en Producción
TemaMLOps
NivelAvanzado
Publicación2022

Autor(es): Chip Huyen

¿Qué puedes lograr leyendo este libro?

  • Diseñar sistemas de ML completos considerando datos, entrenamiento, despliegue y monitoreo desde el inicio
  • Anticipar y prevenir problemas de data drift y degradación de modelos en producción
  • Tomar decisiones de arquitectura de ML informadas por trade-offs reales de la industria

Descripción

Chip Huyen, con experiencia en Snorkel AI, NVIDIA y Stanford, ofrece una de las coberturas más completas y actualizadas sobre cómo diseñar sistemas de ML de producción reales: desde la ingeniería de datos hasta el monitoreo continuo, con un fuerte énfasis en los problemas que solo aparecen a escala.

Para quién es ideal

  • Data scientists e ingenieros de ML con experiencia previa que buscan pensar a nivel de sistema
  • Equipos diseñando o rediseñando su infraestructura de ML de producción
  • Preparación para roles senior de MLOps o ML Engineering
  • Lectura avanzada tras completar libros introductorios de ML aplicado

Contenido destacado

  • Ingeniería de datos y feature engineering para sistemas de producción
  • Selección y desarrollo de modelos considerando restricciones reales
  • Despliegue e infraestructura de serving de modelos
  • Monitoreo continuo, data drift y reentrenamiento
  • Organización de equipos e infraestructura de ML de nivel empresarial

Ventajas y limitaciones

Ventajas

  • Cobertura excepcionalmente actualizada y alineada con las prácticas reales de la industria
  • Escrito con experiencia directa en empresas líderes de IA
  • Balance sólido entre teoría de sistemas y ejemplos concretos de la industria

Limitaciones

  • Requiere experiencia previa construyendo modelos; no es un libro introductorio
  • Denso, mejor abordado después de dominar los fundamentos de ML

Libros relacionados