CHIP HUYEN
Prefacio.
1. Panorama de los sistemas de aprendizaje automático.
Cuándo utilizar el aprendizaje automáticoCasos de uso del aprendizaje automático.
Cómo entender los sistemas de aprendizaje automático.
El aprendizaje automático en la investigación y en la práctica.
Los sistemas de aprendizaje automático y el software tradicional.
Resumen
2. Introducción al diseño de sistemas de aprendizaje automático.
Objetivos empresariales y de AA.
Requisitos para los sistemas de AA.
Confiabilidad.
Escalabilidad.
Capacidad de mantenimiento.
Adaptabilidad.
Proceso iterativo.
Planteamiento de problemas de AA.
Tipos de tareas del AA.
Funciones objetivo.
El intelecto frente a los datos.
Resumen.
3. Fundamentos de la ingeniería de datos.
Las fuentes de datos.
Formatos de datos.
JSON.
Los formatos de orden por filas frente a los de orden por columnas.
Texto frente a formato binario.
Modelos de datos.
Modelo relacional.
NoSQL.
Datos estructurados frente a datos no estructurados.
Motores de almacenamiento de datos y procesamiento.
Procesamiento transaccional y analítico.
ETL: Extraer, transformar y leer.
Modos de flujo de datos.
Datos que pasan por bases de datos.
Datos que pasan a través de los servicios.
Transferencia de datos a través del transporte de datos al instante.
El procesamiento por lotes frente al procesamiento continuo.
Resumen.
4. Datos de formación.
Muestreo.
Muestreo no probabilístico.
Muestreo aleatorio simple.
Muestreo estratificado.
Muestreo ponderado.
Muestreo de depósito.
Muestreo de importancia.
Etiquetado.
Etiquetas manuales.
Etiquetas naturales.
Cómo afrontar la falta de etiquetas.
Desequilibrio de clases.
Desafíos del desequilibrio de clases.
Cómo afrontar el desequilibrio de clases.
Aumento de datos.
Transformaciones simples que conservan la etiqueta.
Perturbación.
Síntesis de datos.
Resumen.
5. Creación de atributos.
Los atributos aprendidos frente a los diseñados.
Operaciones comunes de creación de atributos.
Manejo de valores faltantes.
Escalado.
Discretización.
Codificación de atributos categóricos.
Cruce de atributos.
Incrustaciones posicionales discretas y continuas.
Fuga de datos.
Causas comunes de la fuga de datos.
Detección de la fuga de datos.
Creación de atributos buenos.
Importancia de los atributos.
Generalización de los atributos.
Resumen.
6. Desarrollo de modelos y evaluación fuera de línea.
Desarrollo de modelos y formación.
Evaluación de modelos de AA.
Ensambles.
Rastreo de experimentos y control de versiones.
Formación distribuida.
AutoML.
Evaluación del modelo fuera de línea.
Referencias.
Métodos de evaluación.
Resumen.
7. Servicio de predicción y puesta en marcha de modelos.
Mitos sobre la instalación del aprendizaje automático.
Mito 1: solo se instalan uno o dos modelos de AA a la vez.
Mito 2: si no hacemos algo, el rendimiento del modelo seguirá igual.
Mito 3: no necesitará actualizar mucho los modelos.
Mito 4: la mayoría de los ingenieros de AA no necesitan preocuparse por la escala.
La predicción por lotes frente a la predicción en línea.
De la predicción por lotes a la predicción en línea.
Unificación de la canalización por lotes y la canalización de flujo.
Compresión del modelo.
Factorización de bajo rango.
Destilación del conocimiento.
Poda.
Cuantificación.
AA en la nube y en el perímetro.
Compilación y optimización de modelos para dispositivos periféricos.
El AA en los navegadores.
Resumen.
8. Cambios y monitoreo de la distribución de los datos.
Causas de los fallos en los sistemas de AA.
Fallos del sistema informático.
Fallos específicos del AA.
Cambios en la distribución de los datos.
Tipos de cambios en la distribución de los datos.
Cambios generales en la distribución de los datos.
Detección de cambios en la distribución de los datos.
Cómo afrontar los cambios en la distribución de los datos.
Monitoreo y observabilidad.
Métricas específicas del AA.
Herramientas de monitoreo.
Observabilidad.
Resumen.
9. Aprendizaje continuo y pruebas en producción.
Aprendizaje continuo.
Reformación sin estado frente a formación con estado.
El porqué del aprendizaje continuo.
Desafíos del aprendizaje continuo.
Las cuatro etapas del aprendizaje continuo.
Frecuencia de actualización de los modelos.
Pruebas en producción 285
Implementación en paralelo 286
Pruebas A/B 286
Versión canario 288
Experimentos intercalados 289
Bandidos 291
Resumen 295
10. Infraestructura y herramientas para MLOps.
El almacenamiento y los cálculos 301
Nube pública frente a centros de datos privados 304
Entorno de desarrollo 306
Configuración del entorno de desarrollo 307
Estandarización de los entornos de desarrollo.
Del desarrollo a la producción: contenedores.
Gestión de recursos.
Cron, planificadores y orquestadores.
Gestión del flujo de trabajo de la ciencia de datos.
La plataforma del AA.
Puesta en marcha de los modelos.
Almacén de modelos.
Almacén de atributos.
Crear frente a comprar.
Resumen.
11. El lado humano del aprendizaje automático.
Experiencia del usuario.
Garantizar la coherencia de la experiencia del usuario.
Cómo evitar las predicciones «casi correctas».
Fallo suave.
Estructura de equipo.
Colaboración en equipos multifuncionales.
Científicos de datos de principio a fin.
IA responsable.
IA irresponsable: caso de estudio.
Un entorno para la IA responsable.
Resumen.
12. Epílogo
Los sistemas de aprendizaje automático, en inglés Machine Learning, implican el uso de métodos, algoritmos y procesos complejos que constan de muchos componentes diferentes; además, dependen de datos que varían considerablemente de un caso a otro. Con este libro aprenderá un método integral para diseñar sistemas de aprendizaje automático fiables, escalables, fáciles de mantener y adaptables a los entornos dinámicos y a los requisitos empresariales. La autora Chip Huyen, cofundadora de Claypot AI, considera cada decisión de diseño en su contexto para determinar la manera como este puede ayudar a su sistema. Analiza desde cómo procesar y crear datos de formación, hasta qué atributos utilizar, con qué frecuencia volver a formar los modelos y qué elementos supervisar. En el marco iterativo de este libro se utilizan estudios de casos reales respaldados por referencias amplias que le ayudarán a alcanzar sus objetivos. Así pues, gracias a esta lectura conocerá: ' La ingeniería de datos y la elección de las métricas adecuadas para resolver un problema empresarial. ' La automatización del proceso de desarrollo, evaluación, instalación y actualización de los modelos. ' El desarrollo de un sistema de supervisión para detectar y resolver rápidamente los problemas que pueda encontrarse con sus modelos en funcionamiento. ' La arquitectura de una plataforma de aprendizaje automático que sirva para todos los casos. ' El desarrollo de sistemas de aprendizaje automático responsables. Chip Huyen es cofundadora de Claypot AI, una plataforma de aprendizaje automático en tiempo real. A través de su trabajo en NVIDIA, Netflix y Snorkel AI, ha ayudado a algunas de las organizaciones más grandes del mundo a desarrollar e implementar sus sistemas de aprendizaje automático. Chip basó este libro en sus apuntes para CS 329S: Diseño de Sistemas de Aprendizaje Automático, un curso que imparte en la Universidad de Stanford. 'Este es, sencillamente, el mejor libro que se puede leer sobre cómo construir, implementar y extender los modelos de aprendizaje automático en una empresa para lograr un impacto máximo'. -Josh Wills Ingeniero de software en WeaveGrid y exdirector de ingeniería de datos, Slack 'En un ecosistema floreciente pero caótico, esta visión de principios sobre el aprendizaje automático de principio a fin es tanto su mapa como su brújula: una lectura obligada para los profesionales dentro y fuera de los gigantes tecnológicos'. -Jacopo Tagliabue Director de IA, Coveo
