Descripción
Más de la mitad de los modelos de análisis y aprendizaje automático (ML) creados por las organizaciones hoy en día nunca llegan a producción. Algunos de los desafíos y barreras para la operacionalización son técnicos, pero otros son organizativos. De cualquier manera, la conclusión es que los modelos que no están en producción no pueden generar un impacto empresarial.
Este libro presenta los conceptos clave de MLOps para ayudar a los científicos de datos e ingenieros de aplicaciones no solo a operacionalizar modelos de ML para impulsar un cambio empresarial real, sino también a mantener y mejorar esos modelos con el tiempo. A través de lecciones basadas en numerosas aplicaciones de MLOps en todo el mundo, nueve expertos en aprendizaje automático brindan información sobre los cinco pasos del ciclo de vida del modelo: Construcción, Preproducción, Implementación, Monitoreo y Gobernanza, descubriendo cómo se pueden infundir procesos MLOps robustos en todo el proceso.
Este libro le ayuda a:
- Cumplir el valor de la ciencia de datos reduciendo la fricción en las canalizaciones y flujos de trabajo de ML
- Refinar los modelos de ML mediante el reentrenamiento, el ajuste periódico y el remodelado completo para garantizar una precisión a largo plazo
- Diseñar el ciclo de vida de MLOps para minimizar los riesgos organizativos con modelos imparciales, justos y explicables
- Operacionalizar los modelos de ML para la implementación de canalizaciones y para sistemas empresariales externos que son más complejos y menos estandarizados
Autor: Mark Treveil, Nicolas Omont, Clément Stenac
Editorial: O'Reilly Media
Publicado: 22/12/2020
Páginas: 186
Tipo de encuadernación: Tapa blanda
Peso: 0,67 libras
Tamaño: 9,19h x 7,00w x 0,40d
ISBN13: 9781492083290
ISBN10: 1492083291
Categorías BISAC:
- Computación | Ciencia de datos | Aprendizaje automático
- Computación | Software empresarial y de productividad | Inteligencia empresarial
- Computación | Teoría de máquinas
Sobre el autor
Mark Treveil ha diseñado productos en campos tan diversos como las telecomunicaciones, la banca y el comercio en línea. Su propia startup lideró una revolución en la gobernanza en el gobierno local del Reino Unido, donde todavía domina. Ahora forma parte del equipo de producto de Dataiku con sede en París.
Nicolas Omont es vicepresidente de operaciones en Artelys, donde desarrolla soluciones de optimización matemática para energía y transporte. Anteriormente ocupó el puesto de gerente de producto de Dataiku para ML y análisis avanzados. Es doctor en Ciencias de la Computación y ha trabajado en investigación operativa y estadística durante los últimos 15 años, principalmente en los sectores de telecomunicaciones y servicios públicos de energía.
Clément Stenac es un ingeniero de software apasionado, CTO y cofundador de Dataiku. Supervisa el diseño y desarrollo de la plataforma de IA empresarial Dataiku DSS. Clément fue anteriormente jefe de desarrollo de productos en Exalead, liderando el diseño e implementación de software de motor de búsqueda a escala web. También tiene una amplia experiencia con software de código abierto, como ex desarrollador de los proyectos VideoLAN (VLC) y Debian.
Kenji Lefevre es vicepresidente de producto en Dataiku. Supervisa la hoja de ruta del producto y la experiencia del usuario de la plataforma de IA empresarial Dataiku DSS. Es doctor en matemáticas puras por la Universidad de París VII, y dirigió documentales antes de dedicarse a la ciencia de datos y la gestión de productos.
Du Phan es ingeniero de aprendizaje automático en Dataiku, donde trabaja para democratizar la ciencia de datos. En los últimos años, ha lidiado con una variedad de problemas de datos, desde análisis geoespacial hasta aprendizaje profundo. Su trabajo ahora se centra en diferentes facetas y desafíos de MLOps.
Joachim Zentici es director de ingeniería en Dataiku. Joachim se graduó en matemáticas aplicadas en la École Centrale Paris. Antes de unirse a Dataiku en 2014, fue ingeniero de investigación en visión artificial en Siemens Molecular Imaging e INRIA. También ha sido profesor y conferenciante. En Dataiku, Joachim realizó múltiples contribuciones, incluida la gestión de los ingenieros a cargo de la infraestructura central, la creación del equipo para el esfuerzo de complementos y ecosistemas, así como la dirección del programa global de capacitación tecnológica para ingenieros que atienden a clientes.
Adrien Lavoillotte es director de ingeniería en Dataiku, donde dirige el equipo responsable de las funciones de aprendizaje automático y estadísticas en el software. Estudió en ECE Paris, una escuela de posgrado de ingeniería, y trabajó para varias startups antes de unirse a Dataiku en 2015.
Makoto Miyazaki es científico de datos en Dataiku y responsable de brindar servicios de consultoría práctica utilizando Dataiku DSS para clientes europeos y japoneses. Makoto tiene una licenciatura en economía y una maestría en ciencia de datos, y también fue ex periodista financiero con una amplia gama de temas, incluida la energía nuclear y la recuperación económica de los tsunamis.
Lynn Heidmann obtuvo su licenciatura en Periodismo/Comunicación de Masas y Antropología de la Universidad de Wisconsin-Madison en 2008 y decidió llevar su pasión por la investigación y la escritura al mundo de la tecnología. Pasó siete años en el Área de la Bahía de San Francisco escribiendo y dirigiendo operaciones con Google y posteriormente Niantic antes de mudarse a París para dirigir iniciativas de contenido en Dataiku. En su puesto actual, Lynn sigue y escribe sobre tendencias y desarrollos tecnológicos en el mundo de los datos y la IA.