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