机器学习架构师手册（中英对照）

机器学习解决方案架构师手册（中英对照版电子书） 文件格式；epub，pdf 关于机器学习生命周期、系统设计、MLOps 和生成式 AI 的实用策略与最佳实践 使用 Python 和 AWS 设计、构建和保护可扩展的机器学习（ML）系统，以解决现实世界的业务问题 核心特点 深入了解机器学习生命周期，从构思、数据管理到部署和扩展 在机器学习生命周期中应用风险管理技术，为各类机器学习平台和解决方案设计架构模式 理解生成式 AI 的生命周期、核心技术及实施风险 内容简介 亚马逊云科技（AWS）全球行业生成式 AI 与机器学习解决方案架构负责人大卫・平，通过专业见解和实用案例，帮助你成为一名熟练的机器学习解决方案架构师，将技术架构与业务相关技能相结合。 你将学习机器学习算法、云基础设施、系统设计、MLOps，以及如何应用机器学习解决现实世界的业务问题。大卫阐释了生成式 AI 项目的生命周期，并探讨了检索增强生成（RAG）—— 一种适用于生成式 AI 应用的有效架构模式。你还将了解开源技术（如 Kubernetes/Kubeflow）在构建数据科学环境和机器学习管道中的应用，之后会学习如何使用 AWS 构建企业级机器学习架构。此外，本书还涵盖了机器学习风险管理以及 AI/ML 采用的不同阶段，其中最大的新增内容是对生成式 AI 的深入探讨。 读完本书后，你将全面理解 AI/ML 的各个关键方面，包括业务用例、数据科学、现实世界解决方案架构、风险管理和治理。你将具备设计和构建机器学习解决方案的技能，这些解决方案能够有效满足常见用例并遵循既定的机器学习架构模式，使你在该领域成为一名真正的专业人士。 你将学到什么 应用机器学习方法解决各行业的业务问题 设计实用的企业级机器学习平台架构 了解 AI 风险管理框架和技术 使用 AWS 构建端到端的数据管理架构 训练大规模机器学习模型并优化模型推理延迟 使用人工智能服务和自定义模型创建业务应用 深入研究生成式 AI，包括用例、架构模式和检索增强生成（RAG） 本书适用人群 本书面向从事机器学习项目的解决方案架构师、向机器学习解决方案架构师角色转型的机器学习工程师，以及 MLOps 工程师。此外，希望增强机器学习系统工程实践知识的数据科学家和分析师，以及希望了解机器学习解决方案和 AI 风险管理的 AI/ML 产品经理和风险管理人员，也会发现本书很有价值。阅读本手册前，需要具备 Python、AWS、线性代数、概率论和云基础设施的基础知识。 目录 借助机器学习解决方案架构驾驭机器学习生命周期 探索机器学习业务用例 探索机器学习算法 机器学习的数据管理 探索开源机器学习库 Kubernetes 容器编排基础设施管理 开源机器学习平台 使用 AWS 机器学习服务构建数据科学环境 使用 AWS 机器学习服务设计企业级机器学习架构 高级机器学习工程 使用 AWS AI 服务构建机器学习解决方案 AI 风险管理 偏见、可解释性、隐私与对抗性攻击The Machine Learning Solutions Architect Handbook