Show Notes
- Amazon USA Store: https://www.amazon.com/dp/1098107969?tag=9natree-20
- Amazon Worldwide Store: https://global.buys.trade/Designing-Machine-Learning-Systems-Chip-Huyen.html
- Apple Books: https://books.apple.com/us/audiobook/designing-machine-learning-systems-an-iterative/id1795798192?itsct=books_box_link&itscg=30200&ls=1&at=1001l3bAw&ct=9natree
- eBay: https://www.ebay.com/sch/i.html?_nkw=Designing+Machine+Learning+Systems+Chip+Huyen+&mkcid=1&mkrid=711-53200-19255-0&siteid=0&campid=5339060787&customid=9natree&toolid=10001&mkevt=1
- Shopee: https://asia.buys.trade/shopee_Designing-Machine-Learning-Systems-Chip-Huyen.html
- Lazada: https://asia.buys.trade/lazada_Designing-Machine-Learning-Systems-Chip-Huyen.html
- Tiktok: https://asia.buys.trade/tiktok_Designing-Machine-Learning-Systems-Chip-Huyen.html
- Baca selanjutnya: https://malaysian.9natree.com/read/1098107969/
#Kejuruteraandatalatihan #Kebocorandata #Pemantauanhanyutandata #Penerapandanlatihansemulamodel #PlatformMLbertanggungjawab #DesigningMachineLearningSystems
Designing Machine Learning Systems: An Iterative Process for Production-Ready Applications ialah buku teknikal oleh Chip Huyen, diterbitkan oleh O’Reilly Media, tentang cara membina sistem pembelajaran mesin yang benar benar boleh digunakan dalam persekitaran sebenar. Buku ini bukan panduan memilih algoritma semata mata, dan bukan juga manual bagi satu alat awan tertentu. Tumpuannya ialah reka bentuk sistem menyeluruh, daripada mentakrif masalah perniagaan, mengurus data latihan, membangunkan model, hinggalah melancar, memantau, dan mengemas kini model selepas ia digunakan. Huyen menegaskan bahawa sistem ML berbeza daripada perisian biasa kerana prestasinya bergantung kuat pada data, yang boleh berubah mengikut masa, pengguna, lokasi, dan operasi organisasi. Oleh itu, kerja ML perlu dianggap sebagai proses berulang, bukannya projek yang tamat sebaik sahaja model mencapai metrik yang baik. Dengan contoh kes dan pertimbangan kejuruteraan, buku ini menerangkan pertukaran antara ketepatan, kos, kelajuan, kebolehselenggaraan, serta risiko penggunaan. Ia sesuai dibaca sebagai rangka kerja praktikal untuk pasukan yang mahu membawa model daripada eksperimen ke produksi.