機械学習デザインパターン データ準備、モデル構築、mlopsの実践上の問題と解決

新時代の新常識。ＡＩエンジニアが知るべき、３０のベストプラクティス。

目次 : １章　機械学習デザインパターンの必要性/ ２章　データ表現のパターン/ ３章　問題表現のパターン/ ４章　モデル訓練のパターン/ ５章　対応性のある運用のパターン/ ６章　再現性のパターン/ ７章　責任あるＡＩのパターン/ ８章　パターンのつながり

【著者紹介】
バリアッパ・ラクシュマナン : Ｇｏｏｇｌｅ　Ｃｌｏｕｄのデータ分析およびＡＩソリューションのグローバルヘッド。彼のチームは、Ｇｏｏｇｌｅ　Ｃｌｏｕｄのデータ分析および機械学習プロダクトを使ってビジネス上の問題に対するソフトウェアソリューションを構築。彼は過去に、Ｇｏｏｇｌｅ　Ａｄｖａｎｃｅｄ　Ｓｏｌｕｔｉｏｎｓ　Ｌａｂの機械学習集中プログラムを創設。Ｇｏｏｇｌｅに入社前は、Ｃｌｉｍａｔｅ　Ｃｏｒｐｏｒａｔｉｏｎのデータサイエンス部門のトップ、ＮＡＯＯ（米国海洋大気庁）の研究者を歴任

サラ・ロビンソン : ＧｏｏｇｌｅのＣｌｏｕｄ　Ｐｌａｔｆｏｒｍチームにおいて、特に機械学習にフォーカスしたＤｅｖｅｌｏｐｅｒ　Ａｄｖｏｃａｔｅ。デモ、オンラインコンテンツ、イベントを通じて、開発者やデータサイエンティストに対するアプリケーションへの機械学習統合の促進。ブランダイス大学で学位を取得。Ｇｏｏｇｌｅ入社前は、ＦｉｒｅｂａｓｅチームのＤｅｖｅｌｏｐｅｒ　Ａｄｖｏｃａｔｅ

マイケル・マン : Ｇｏｏｇｌｅの機械学習ソリューションエンジニアとして、Ｇｏｏｇｌｅ　Ｃｌｏｕｄの顧客のために機械学習モデルの設計、実装、デプロイを支援。また、Ａｄｖａｎｃｅｄ　Ｓｏｌｕｔｉｏｎｓ　Ｌａｂで機械学習集中プログラム講師。ニューヨーク市立大学で数学の博士号を取得。Ｇｏｏｇｌｅ入社前は研究教授（本データはこの書籍が刊行された当時に掲載されていたものです）