البنية التحتية لتعلم الآلة وأفضل الممارسات لمهندسي البرمجيات - تأليف Miroslaw Staron (غلاف ورقي)

حول الكتاب: سيساعدك هذا الكتاب على الارتقاء بنموذجك الأولي لتعلم الآلة إلى المستوى التالي وتوسيع نطاق عمله باستخدام مفاهيم مثل توفير البيانات، ومعالجتها، وضبط الجودة. ملخص الكتاب: حوّل تصاميمك الأولية بكفاءة إلى أنظمة ضخمة من خلال تعلم أسس البنية التحتية، والخوارزميات، والاعتبارات الأخلاقية لمنتجات البرمجيات الحديثة. المميزات الرئيسية: تعلم كيفية توسيع نطاق برمجيات تعلم الآلة الخاصة بك لتصل إلى المستوى الاحترافي، وضمان جودة مسار تعلم الآلة الخاص بك أثناء التشغيل، وتطبيق معرفتك على اللغات الطبيعية، ولغات البرمجة، والصور. وصف الكتاب: على الرغم من أن إنشاء مسار لتعلم الآلة أو تطوير نموذج أولي يعمل لنظام برمجيات من ذلك المسار أصبح أمراً سهلاً ومباشراً في الوقت الحاضر، إلا أن... لا تزال الرحلة نحو بناء نظام برمجيات احترافي طويلة وشاقة. سيساعدك هذا الكتاب على الإلمام بمختلف أفضل الممارسات والأساليب التي ستعين مهندسي البرمجيات على تحويل خطوط معالجة النماذج الأولية إلى منتجات برمجية متكاملة. يبدأ الكتاب بتقديم المفاهيم الأساسية لأنظمة البرمجيات الاحترافية التي تعتمد في جوهرها على تعلم الآلة. ومع تقدمك في القراءة، ستستكشف الفروقات بين البرمجيات التقليدية التي لا تعتمد على تعلم الآلة، والبرمجيات القائمة على تعلم الآلة. كما ستوجهك أفضل الممارسات الأولية في تحديد نوع البرمجيات التي تحتاجها لمنتجك. بعد ذلك، ستتعمق في الخوارزميات، حيث ستغطي طرق اختيارها وتطويرها واختبارها، قبل استكشاف تعقيدات البنية التحتية لأنظمة تعلم الآلة من خلال تحديد أفضل الممارسات لتحديد مصدر البيانات المناسب وضمان جودتها. وفي الختام، ستتناول الجانب الأكثر تحدياً في أنظمة تعلم الآلة واسعة النطاق، وهو الأخلاقيات؛ فمن خلال استكشاف وتحديد أفضل الممارسات لتقييم المخاطر الأخلاقية واستراتيجيات الحد منها، ستختتم الكتاب حيث بدأ كل شيء: برمجيات تعلم الآلة واسعة النطاق. ما ستتعلمه: تحديد برمجيات تعلم الآلة الأكثر ملاءمة لاحتياجاتك، والعمل مع مسارات تعلم الآلة القابلة للتوسع، وتطوير المسارات من النماذج الأولية إلى برمجيات كاملة ومتكاملة، واختيار مصادر البيانات وطرق المعالجة المناسبة لمنتجك، والتمييز بين البيانات الخام والمعالجة المعقدة مع ملاحظة مزايا كل منهما، وتتبع وتخفيف المخاطر الأخلاقية الهامة في برمجيات تعلم الآلة، والعمل على اختبار والتحقق من أنظمة تعلم الآلة. لمن هذا الكتاب: إذا كنت مهندس تعلم آلة، فسيساعدك هذا الكتاب على تصميم برمجيات أكثر قوة وفهماً. سوف تتعرف على تحديات التوسع التي يتعين عليك معالجتها وأسباب ذلك. سيستفيد مهندسو البرمجيات من أفضل الممارسات التي ستجعل منتجاتكم قوية وموثوقة ومبتكرة. كما سيجد صناع القرار الكثير من المعلومات المفيدة في هذا الكتاب، بما في ذلك إرشادات حول ما يجب البحث عنه في منتج برمجيات تعلم آلي مصمم بشكل جيد. جدول المحتويات: تعلم الآلة مقارنةً بالبرمجيات التقليدية، عناصر نظام برمجيات تعلم الآلة، البيانات في الأنظمة البرمجية - النصوص والصور والتعليمات البرمجية والميزات، الحصول على البيانات وجودتها والضجيج، قياس وتحسين خصائص البيانات، أنواع البيانات في أنظمة تعلم الآلة، هندسة الميزات للبيانات الرقمية والصورية، هندسة الميزات لبيانات اللغة الطبيعية، أنواع أنظمة تعلم الآلة - القائمة على الميزات وتلك القائمة على البيانات الخام (التعلم العميق)، تدريب وتقييم أنظمة تعلم الآلة الكلاسيكية والشبكات العصبية، تدريب وتقييم الخوارزميات المتقدمة - التعلم العميق، المشفرات التلقائية (autoencoders)، GPT-3 تصميم مسارات تعلم الآلة (MLOps) واختبارها، تصميم وتنفيذ برمجيات تعلم الآلة القوية واسعة النطاق - مثال شامل، وأخلاقيات الحصول على البيانات وإدارتها (ملاحظة: يرجى استخدام خيار Look Inside للاطلاع على الفصول الإضافية)