📌Подборка полезных материалов про ML System Design - ч.1

Недавно наш Data Scientist Владимир Фуфаев выступил с лекцией для студентов НИУ ВШЭ. Рассказал об этапах разработки ML-проектов (ML System Design) с фокусом на работу с данными.

Интересный факт — продвинутые модели могут улавливать и усиливать ошибки в данных. Однако при грамотном подходе модели могут сами помогать компенсировать недостатки данных.

Собрали книги, которые помогут глубже разобраться в ML System Design.

Сохраняй себе и делись с коллегами:

🔹Чип Хьюэн — «Проектирование систем машинного обучения»

Книга — мост между академическим ML и реальной разработкой. Она дает представление о полном жизненном цикле ML-системы: от формирования данных и выбора метрик до деплоя — и подтверждает теорию примерами из индустрии.

🔹Али Аминиан, Алекс Сюй — «System Design. Машинное обучение. Подготовка к сложному интервью»

Практичный тренажёр по проектированию систем машинного обучения, построенный вокруг 11 отобранных кейсов. Авторы методично проводят читателя по ключевым этапам, таким как подготовка данных, проектирование архитектуры, выбор метрик — в итоге складывается прочный структурированный каркас системного мышления.

🔹 Валерий Бабушкин, Арсений Кравченко — «Машинное обучение. Проектирование систем от идеи до реализации»

По духу это скорее наставничество, чем учебник. Книга ориентирована на читателей, уже обладающих некоторым опытом в программировании и ML и отличается высоким уровнем абстракции. Цель авторов — показать, как довести проект до реализации, передать опыт стратегического планирования и защиты проектов.

А в следующем посте поделимся подборкой свежих исследований по неожиданному поведению моделей и влиянию данных на итоговый результат.