Machine Learning Design Patterns
Soluciones reutilizables a los problemas que se repiten una y otra vez al construir sistemas de ML.
ÁreaMLOps y Machine Learning en Producción
TemaMLOps
NivelIntermedio
Publicación2020
Autor(es): Valliappa Lakshmanan, Sara Robinson, Michael Munn
¿Qué puedes lograr leyendo este libro?
- Reconocer y aplicar soluciones ya probadas a problemas recurrentes de ML (features, entrenamiento, despliegue, reproducibilidad)
- Evitar reinventar soluciones a problemas que la comunidad ya resolvió repetidamente
- Comunicar decisiones de diseño de ML con vocabulario compartido (nombres de patrones)
Descripción
Al estilo del clásico libro de patrones de diseño de software, este libro cataloga soluciones recurrentes a problemas comunes en proyectos de ML: cómo manejar features, cómo estructurar el entrenamiento, cómo servir modelos de forma robusta, cada patrón con su contexto, problema y solución claramente definidos.
Para quién es ideal
- Practicantes de ML que ya enfrentaron varios proyectos y reconocen patrones repetidos
- Equipos que quieren un vocabulario compartido para discutir decisiones de diseño
- Referencia de consulta al enfrentar un problema específico de arquitectura de ML
- Complemento práctico a libros más narrativos como Building ML Powered Applications
Contenido destacado
- Patrones de representación de datos y features
- Patrones de arquitectura de modelos
- Patrones de flujo de trabajo de entrenamiento reproducible
- Patrones de serving y despliegue de modelos
- Patrones de reproducibilidad y responsabilidad (fairness, explicabilidad)
Ventajas y limitaciones
Ventajas
- Formato de catálogo muy útil como referencia de consulta puntual
- Cada patrón incluye contexto claro de cuándo aplica y cuándo no
- Vocabulario compartido útil para comunicación entre equipos técnicos
Limitaciones
- Menos narrativo que otros libros de MLOps, mejor como referencia que como lectura lineal
- Publicado en 2020, algunas herramientas específicas mencionadas ya cambiaron