ارتقای یادگیری ماشین ۲۰۲۴
Machine Learning Upgrade 2024

*Machine Learning Upgrade: راهنمای دانشمندان داده برای MLOps، مدل‌های زبانی بزرگ (LLM) و زیرساخت‌های ML*، اثری از متخصصان این حوزه، مجموعه‌ای از بهترین روش‌ها را در تقاطع مدیریت، مدل‌های زبانی بزرگ، یادگیری ماشین و علم داده، در اختیار دانشمندان داده و مدیران قرار می‌دهد. این کتاب پیشگامانه، دیدگاه شما را نسبت به چرخه‌ی حیات علم داده تغییر خواهد داد. نویسندگان با ارائه‌ی مقدمه‌ای بر یادگیری ماشین مدرن، به شما نشان می‌دهند که چگونه می‌توان آن را به عنوان یک سیستم جامع و یکپارچه در نظر گرفت – نه صرفاً یک ابزار جدید و جذاب در یک ساختار عملیاتی تغییرنیافته. با اتخاذ دیدگاهی داده‌محور، می‌توانید داده‌های بدون ساختار و مدل‌های زبانی بزرگ را به عنوان پایه‌ای برای ساختن بی‌شمار اپلیکیشن و راه‌حل‌های تجاری در نظر بگیرید. این کتاب، دنیایی از تصمیم‌گیری را بررسی می‌کند که هنوز مدون نشده است و به شما این امکان را می‌دهد تا با استفاده از بهترین روش‌های نوظهور، آینده را شکل دهید.

* درک عمیقی از تقاطع مدل‌های زبانی بزرگ و داده‌های بدون ساختار به دست آورید.
* فرآیند ساخت یک برنامه کاربردی مبتنی بر LLM را با استفاده از تکنیک‌های MLOps مانند نسخه‌بندی داده‌ها و ردیابی آزمایش‌ها دنبال کنید.
* بهترین شیوه‌ها را برای آموزش، تنظیم دقیق و ارزیابی LLMها کشف کنید.
* برنامه‌های کاربردی LLM را در سیستم‌های بزرگ‌تر ادغام کنید، عملکرد آنها را نظارت کنید و آنها را با داده‌های جدید دوباره آموزش دهید.

این کتاب برای متخصصان داده و رهبران کسب‌وکاری که به دنبال درک LLMها و کل چرخه‌ی حیات علم داده هستند، ضروری است.

A much-needed guide to implementing new technology in workspaces

From experts in the field comes Machine Learning Upgrade: A Data Scientist’s Guide to MLOps, LLMs, and ML Infrastructure, a book that provides data scientists and managers with best practices at the intersection of management, large language models (LLMs), machine learning, and data science. This groundbreaking book will change the way that you view the pipeline of data science. The authors provide an introduction to modern machine learning, showing you how it can be viewed as a holistic, end-to-end system—not just shiny new gadget in an otherwise unchanged operational structure. By adopting a data-centric view of the world, you can begin to see unstructured data and LLMs as the foundation upon which you can build countless applications and business solutions. This book explores a whole world of decision making that hasn’t been codified yet, enabling you to forge the future using emerging best practices.

• Gain an understanding of the intersection between large language models and unstructured data
• Follow the process of building an LLM-powered application while leveraging MLOps techniques such as data versioning and experiment tracking
• Discover best practices for training, fine tuning, and evaluating LLMs
• Integrate LLM applications within larger systems, monitor their performance, and retrain them on new data

This book is indispensable for data professionals and business leaders looking to understand LLMs and the entire data science pipeline.