Название: System Design. Машинное обучение. Подготовка к сложному интервью
Автор: Али Аминиан, Алекс Сюй
Издательство: Питер
Год: 2024
Страниц: 320
Язык: русский
Формат: pdf
Размер: 11.2 MB

Собеседования по проектированию систем машинного обучения — самые сложные. Если нужно подготовиться к такому, книга создана специально для вас.
Также она поможет всем, кто интересуется проектированием систем машинного обучения (МО), будь то новички или опытные инженеры.

Собеседование по проектированию систем МО (ML System Design interview), как правило, обязательно для претендентов на вакансии, связанные с проектированием и реализацией систем МО: инженер данных, дата-сайентист, инженер машинного обучения и т.д. Чтобы успешно пройти собеседование по проектированию систем МО, надо хорошо понимать фундаментальные концепции и методы МО, а также уметь их применять, чтобы решать практические задачи. На собеседовании обычно необходимо продемонстрировать, что вы разбираетесь в пайплайнах данных и конструировании признаков, а также умеете проектировать эффективные системы МО. Возможно, вам еще придется проявить умение выбирать подходящие модели для конкретных задач, настраивать их параметры и оценивать производительность. В принципе, цель собеседования состоит в том, чтобы оценить, насколько хорошо соискатель применяет теоретические знания МО, чтобы проектировать и реализовывать эффективные системы.

Многие технические специалисты полагают, что системы МО исчерпываются такими алгоритмами МО, как логистическая регрессия или нейронные сети. Тем не менее реальные системы МО далеко не ограничиваются разработкой моделей. Эти системы обычно весьма сложны; они состоят из множества компонентов, включая стеки данных, служебную инфраструктуру (благодаря которой система становится доступной миллионам пользователей), пайплайн для оценки ее эффективности, а также средства мониторинга, которые следят за тем, чтобы качество модели не ухудшалось со временем.

Графовые нейронные сети (GNN) — нейронные сети, которые можно напрямую применять к графам. Они предоставляют простой способ решать предсказательные задачи на уровне графа, узла и ребра. GNN принимает на вход граф, который содержит атрибуты, связанные с узлами и ребрами. Например, в узлах может храниться такая информация, как возраст, пол и т.д., а в ребрах — характеристики связей между пользователями: количество общих учебных заведений и мест работы, продолжительность дружбы и т.д. На основе входного графа и связанных с ним атрибутов GNN генерирует эмбеддинги для каждого узла. После того как эмбеддинги узлов сгенерированы, на их основе модель предсказывает, с какой вероятностью два узла образуют связь. Это делается с помощью метрики сходства — такой, как скалярное произведение.

Что внутри?
• О чем на самом деле спрашивают на собеседовании по System Design в МО и почему (инсайдерская информация!).
• 7 основных шагов для решения любой задачи МО, предлагаемой на собеседовании.
• 10 вопросов из реальных собеседований по System Design в МО с подробным разбором ответов.
• 211 диаграмм, которые наглядно объясняют, как работают различные системы.

Для кого эта книга:
Книга будет ценным источником информации для всех, кто интересуется проектированием систем МО, будь то новички или опытные инженеры. А если вам нужно подготовиться к собеседованию по МО, то эта книга написана специально для вас.