بناء أنظمة تعلم الآلة باستخدام Feature Store - تأليف Jim Dowling (غلاف ورقي)

ملخص الكتاب تعرّف على نهج موحد وجديد لبناء أنظمة تعلم الآلة (ML) باستخدام Feature store. ومن خلال هذا الكتاب العملي، سيتعلم علماء البيانات ومهندسو تعلم الآلة (ML) بالتفصيل كيفية تطوير وتشغيل أنظمة تعلم الآلة (ML) بنظام الدفعات (batch)، والأنظمة في الوقت الفعلي (real-time)، والأنظمة الوكيلية (agentic). يقدم المؤلف Jim Dowling المبادئ والممارسات الأساسية لتطوير واختبار وتشغيل أنظمة تعلم الآلة (ML) والذكاء الاصطناعي (AI) على نطاق واسع. ستكتشف كيف يمكن تفكيك أي نظام ذكاء اصطناعي (AI) إلى مسارات مستقلة للميزات (feature)، والتدريب (training)، والاستدلال (inference)، متصلة جميعها عبر طبقة بيانات مشتركة. من خلال أمثلة لأنظمة تعلم الآلة، ستواجه الجزء الأصعب في هذه الأنظمة وهو البيانات؛ حيث ستتعلم كيفية تحويل البيانات إلى سمات (features) وتضمينات (embeddings)، وكيفية تصميم نموذج بيانات للذكاء الاصطناعي. كما ستعمل على تطوير أنظمة تعلم آلة بنظام الدفعات (batch ML systems) بمختلف المقاييس.

طوّر أنظمة تعلم آلة (ML) في الوقت الفعلي عبر اعتماد منهجية الإزاحة لليسار (shifting left) أو الإزاحة لليمين (shifting right) في حساب الميزات.

طوّر أنظمة تعلم آلة تعتمد على الوكلاء (agentic ML systems) وتستخدم نماذج اللغات الكبيرة LLMs، والأدوات، والتوليد المعزز بالاسترداد (retrieval-augmented generation)

افهم وطبّق مبادئ MLOps عند تطوير وتشغيل أنظمة تعلم الآلة