Апгрейд машинного обучения. Руководство по MLOps, LLMs и инфраструктуре ML для дата-сайентистов

«Апгрейд машинного обучения. Руководство по MLOps, LLMs и инфраструктуре ML для дата-сайентистов» — это книга о том, как превратить эксперименты с моделями и большими языковыми системами в устойчивую рабочую среду для компании. Кристен Керер и Калеб Кайзер рассматривают не отдельные алгоритмы, а полный цикл: постановку задачи, подготовку данных, обучение, развёртывание, наблюдение за качеством и поддержку решений в эксплуатации. Издание подойдёт тем, кто хочет понять, как связать работу специалистов по анализу данных с требованиями бизнеса, надёжностью сервисов и развитием прикладных систем искусственного интеллекта. Особое внимание уделено производственным процессам, работе с неструктурированными данными, оценке качества и встраиванию моделей в корпоративную среду без остановки сервиса. Ключевые темы и методики В основе книги лежит системный подход, при котором машинное обучение рассматривается как часть единого производственного контура. Авторы подробно разбирают практики эксплуатации моделей и больших языковых систем: управление данными, настройку обучения, доработку моделей под прикладные задачи, оценку качества и обновление на новых наборах данных. Отдельное место занимают учёт экспериментов, сбор показателей и контроль поведения решений в рабочей среде. Также рассмотрены вопросы ответственного применения искусственного интеллекта и особенности работы с неструктурированными данными в прикладных проектах. Кому подойдёт книга Издание адресовано специалистам по анализу данных, инженерам по машинному обучению и техническим руководителям, которым нужен целостный взгляд на инфраструктуру для моделей и языковых систем. Оно будет полезно и тем, кто отвечает за цифровые продукты и хочет понять, как связать внедрение таких решений с практической пользой для бизнеса. Книгу стоит читать, если важен не только выбор модели, но и организация процессов, которые делают её применение воспроизводимым, управляемым и надёжным. По тематике её можно поставить рядом с работами о производственной эксплуатации моделей, однако здесь особенно заметен акцент на связке данных, процессов и корпоративной интеграции. \n\nОписание подготовлено редакцией Читай-города на основе официальной аннотации издательства, отзывов и оценок покупателей, а также информации из открытых интернет-источников.