積讀家(적독가)

In this guide, data science leader Susan Shu Chang shows you how to tackle the ML hiring process.

성공하는 머신러닝 프로젝트의 비밀 순서도와 그림으로 살펴보는 머신러닝 프로젝트 A to Z

이 책은 머신러닝 엔지니어링의 기본 개념부터 머신러닝 프로젝트에 필요한 설계 원칙, 좋은 ML 코드 작성법, 프로덕션 배포 전 고려해야 할 심화 주제까지 설명합니다. 수십 년간 축적된 훌륭한 소프트웨어 엔지니어링 경험 위에 세워진 머신러닝 엔지니어링은 ML 시스템의 복원력과 적응력, 프로덕션 환경에서의 성능을 보장합니다. 프로토타입으로 테스트하고, 모듈식 설계를 통해 탄력적인 아키텍처 구축 노하우를 배우고, 협업 시 일관된 커뮤니케이션을 제공하는 소프트웨어 엔지니어링 기술을 배워보세요. 성공적인 머신러닝 프로젝트의 비밀을 여러분의 기술로 만들어 안정적인 데이터 파이프라인, 효율적인 애플리케이션 워크플로, 유지 관리 가능한 ML 모델을 직접 구축해보길 바랍니다.

“유튜브 동영상 추천, 에어비앤비 상품 추천, 뉴스 피드 생성 같은 머신러닝 시스템은 어떻게 설계할까?”

이 책은 실제 서비스되고 있는 머신러닝 사례, 7가지 설계 접근법, 실제 시스템 설계에 참여한 엔지니어들과 저자의 노하우라는 세 가지 축으로 입체감 있게 설계 지식을 전달한다. 블로그, 논문 등 곳곳에 흩어져 있는 뛰어난 아이디어를 저자와 여러 엔지니어, 매니저가 개인적인 인사이트를 녹여 재구성했기에 머신러닝을 공부하는 독자에게 훌륭한 나침반이 되어 줄 것이다. 또한 복잡하고 어려운 이론은 걷어 내고 모두에게 익숙한 실제 시스템을 사례로 소개하고 있어, 머신러닝 엔지니어가 아니더라도 시스템의 원리가 궁금한 독자라면 누구나 흥미롭게 읽을 수 있다.

데이터를 해석하는 과정에서 범하기 쉬운 오류를 소개하고, 이런 오류를 피해 올바르게 사고하는 원칙을 강조한다. 정치, 사회, 의학, 교육 등 다양한 분야의 실제 사례를 소개함으로써 상관관계나 인과관계처럼 많은 사람들이 사용하면서도 쉽게 헷갈리는 핵심 개념을 정확히 이해하도록 돕는다. 더불어 기본적인 통계 분석 기법, 가설을 검증하는 실험 설계 기법, 통계 분석 결과를 의사 결정에 활용할 때 고려할 점도 함께 설명한다.