By Kelleher, Andrew; Kelleher, Adam
Descripción: Aprendizaje automático en producción es una obra que se presenta como un curso intensivo de ciencia de datos para personas técnicamente competentes que necesitan resolver problemas del mundo real en entornos de producción. Los autores Andrew y Adam Kelleher muestran cómo ofrecer rápidamente un valor significativo en producción; maximizar sistemáticamente el retorno de la inversión; resistirse a las herramientas sobrevaloradas y a la complejidad innecesaria; además de utilizar los enfoques más sencillos y de menor riesgo que sean comprobadamente funcionales.
Basándose en su amplia experiencia, los autores ayudan a los lectores a formular preguntas útiles y a ejecutar proyectos de producción de principio a fin. Muestran hasta dónde se puede llegar con consultas, agregaciones y visualizaciones sencillas, así como enseñan métodos indispensables de análisis de errores para evitar conclusiones falsas. Cubren técnicas de aprendizaje automático como la regresión lineal, la clasificación, la agrupación y la inferencia bayesiana, ayudándole a elegir el algoritmo adecuado para cada problema de producción. Y su sección final sobre hardware, infraestructura y sistemas distribuidos ofrece una valiosa orientación sobre la optimización en entornos de producción (en términos de ingeniería de software).
Contenido: I: Principios de encuadre de problemas
1 El papel del científico de datos
2 Flujo de trabajo del proyecto
3 Cuantificando el error
4 Codificación y preprocesamiento de datos
5 Prueba de hipótesis
6 Visualización de datos
II: Algoritmos y arquitecturas
7 Introducción a algoritmos y arquitecturas
8 Comparación
9 Regresión
10 Clasificación y agrupación
11 Redes bayesianas
12 Reducción dimensional y modelos de variables latentes
13 Inferencia causal
14 Aprendizaje automático avanzado
III: Cuellos de botella y optimizaciones
15 Fundamentos de hardware
16 Fundamentos de software
17 Arquitectura de software
18 El teorema CAP
19 Nodos topológicos de la red lógica
Material: