Андрей Бурков - Инженерия машинного обучения

Андрей Бурков

Инженерия машинного обуче­ния

Machine Learning
Engineering

Andriy Burkov

Инженерия
машинного обуче­ния

Андрей Бурков

Москва, 2022

УДК 004.4
ББК 32.972
Б91

Б91

Бурков А.
Инженерия машинного обуче­ния / пер. с англ. А. А. Слинкина. – М.: ДМК
Пресс, 2022. – 306 с.: ил.
ISBN 978-5-93700-125-2
Книга представляет собой подробный обзор передовых практик и паттернов
проектирования в области прикладного машинного обучения. В отличие от многих учебников, уделяется внимание инженерным аспектам МО. Рассматриваются
сбор, хранение и предобработка данных, конструирование признаков, а также
тестирование и отладка моделей, развертывание и вывод из эксплуатации, сопровождение на этапе выполнения и в процессе эксплуатации. Главы книги можно
изучать в любом порядке.
Издание будет полезно тем, кто собирается использовать машинное обучение
в крупномасштабных проектах. Предполагается, что читатель знаком с основами
МО и способен построить модель при наличии подходящим образом отформатированного набора данных.
Дизайн обложки разработан с использованием ресурса freepik.com

УДК 004.4
ББК 32.972

Copyright Title of English-language edition: “Machine Learning Engineering”, ISBN 978-19995795-7-9 published by Andriy Burkov. Copyright © 2020 Andriy Burkov. Russian-language
edition copyright © 2022 by DMK Press Publishing. All rights reserved.
Все права защищены. Любая часть этой книги не может быть воспроизведена в какой бы то ни было форме и какими бы то ни было средствами без письменного разрешения
владельцев авторских прав.

ISBN 978-1-9995795-7-9 (англ.)
ISBN 978-5-93700-125-2 (рус.)

© Andriy Burkov, 2020
© Перевод, оформление, издание,
ДМК Пресс, 2022

Теоретически между теорией и практикой
нет никакой разницы. Но на практике она есть.
– Бенджамин Брюстер
Идеальный план проекта –
сначала составить список всех неизвестных.
– Билл Лэнгли
Привлечение средств – это искусственный интеллект.
Найм на работу – машинное обучение.
Реализация – это линейная регрессия.
А отладка – это printf().
– Бэрон Шварц

Содержание
От издательства. ...................................................................................................14
Вступительное слово..........................................................................................15
Предисловие...........................................................................................................17
Глава 1. Введение.................................................................................................19
1.1. Обозначения и определения..............................................................................19
1.1.1. Структуры данных........................................................................................19
1.1.2. Заглавная сигма............................................................................................21
1.2. Что такое машинное обучение. .........................................................................21
1.2.1. Обучение с учителем. ..................................................................................22
1.2.2. Обучение без учителя..................................................................................23
1.2.3. Обучение с частичным привлечением учителя.......................................24
1.2.4. Обучение с подкреплением........................................................................24
1.3. Терминология машинного обучения................................................................25
1.3.1. Данные, используемые прямо и косвенно...............................................25
1.3.2. Первичные и аккуратные данные..............................................................26
1.3.3. Обучающие и зарезервированные наборы. .............................................27
1.3.4. Ориентир. ......................................................................................................28
1.3.5. Конвейер машинного обучения.................................................................28
1.3.6. Параметры и гиперпараметры...................................................................29
1.3.7. Классификация и регрессия........................................................................29
1.3.8. Обучение на основе модели и обучение на основе экземпляров.........30
1.3.9. Поверхностное и глубокое обучение.........................................................30
1.3.10. Обучение и оценивание. ...........................................................................30
1.4. Когда следует использовать машинное обучение. .........................................31
1.4.1. Когда задача слишком сложна для кодирования.....................................31
1.4.2. Когда задача постоянно меняется. ............................................................32
1.4.3. Когда речь идет о задаче восприятия........................................................32
1.4.4. Когда это неизученное явление. ................................................................32
1.4.5. Когда задача имеет простую целевую функцию......................................33
1.4.6. Когда это экономически выгодно..............................................................33
1.5. Когда не следует использовать машинное обучение. ....................................34
1.6. Что такое инженерия машинного обучения....................................................34
1.7. Жизненный цикл проекта машинного обучения. --">