機械学習デザインパターン―データ準備、モデル構築、MLOpsの実践上の問題と解決 [単行本]

機械学習デザインパターン―データ準備、モデル構築、MLOpsの実践上の問題と解決 の 商品概要

• 要旨（「BOOK」データベースより）

  新時代の新常識。ＡＩエンジニアが知るべき、３０のベストプラクティス。

• 目次（「BOOK」データベースより）

  １章　機械学習デザインパターンの必要性
  ２章　データ表現のパターン
  ３章　問題表現のパターン
  ４章　モデル訓練のパターン
  ５章　対応性のある運用のパターン
  ６章　再現性のパターン
  ７章　責任あるＡＩのパターン
  ８章　パターンのつながり

• 出版社からのコメント

  機械学習で繰り返し登場する課題を30のパターンに分類し各々にベストプラクティスを提示・解説。初心者にも、現場でも役に立つ。

• 内容紹介

  機械学習のベストプラクティスが学べるデザインパターン集！
  タイトルに「デザインパターン」とあるように、機械学習で繰り返し登場する課題を30のパターン（データ表現、問題表現、モデルの訓練、再現性、柔軟性、接続性、説明性、公平性などに関するもの）に分類し、それぞれについてベストプラクティスを提示・解説します。手を動かしながら機械学習を試したい初心者の実践的な入門書としても、現場のデータサイエンティストのリファレンスとしても読んでもらえる内容となっています。アメリカ海洋気象庁の研究者として、さらにGoogle Cloudのデータ分析＆AI部門トップとしての豊富な経験に基づく実用本位の一冊です。

• 著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）

  ラクシュマナン,バリアッパ(ラクシュマナン,バリアッパ／Lakshmanan,Valliappa)
  Ｇｏｏｇｌｅ　Ｃｌｏｕｄのデータ分析およびＡＩソリューションのグローバルヘッド。彼のチームは、Ｇｏｏｇｌｅ　Ｃｌｏｕｄのデータ分析および機械学習プロダクトを使ってビジネス上の問題に対するソフトウェアソリューションを構築。彼は過去に、Ｇｏｏｇｌｅ　Ａｄｖａｎｃｅｄ　Ｓｏｌｕｔｉｏｎｓ　Ｌａｂの機械学習集中プログラムを創設。Ｇｏｏｇｌｅに入社前は、Ｃｌｉｍａｔｅ　Ｃｏｒｐｏｒａｔｉｏｎのデータサイエンス部門のトップ、ＮＡＯＯ（米国海洋大気庁）の研究者を歴任
  
  ロビンソン,サラ(ロビンソン,サラ／Robinson,Sara)
  ＧｏｏｇｌｅのＣｌｏｕｄ　Ｐｌａｔｆｏｒｍチームにおいて、特に機械学習にフォーカスしたＤｅｖｅｌｏｐｅｒ　Ａｄｖｏｃａｔｅ。デモ、オンラインコンテンツ、イベントを通じて、開発者やデータサイエンティストに対するアプリケーションへの機械学習統合の促進。ブランダイス大学で学位を取得。Ｇｏｏｇｌｅ入社前は、ＦｉｒｅｂａｓｅチームのＤｅｖｅｌｏｐｅｒ　Ａｄｖｏｃａｔｅ
  
  マン,マイケル(マン,マイケル／Munn,Michael)
  Ｇｏｏｇｌｅの機械学習ソリューションエンジニアとして、Ｇｏｏｇｌｅ　Ｃｌｏｕｄの顧客のために機械学習モデルの設計、実装、デプロイを支援。また、Ａｄｖａｎｃｅｄ　Ｓｏｌｕｔｉｏｎｓ　Ｌａｂで機械学習集中プログラム講師。ニューヨーク市立大学で数学の博士号を取得。Ｇｏｏｇｌｅ入社前は研究教授

機械学習デザインパターン―データ準備、モデル構築、MLOpsの実践上の問題と解決 の商品スペック