建構機器學習系統實踐指南

可於第一線使用！

運用設計模式的最佳設計、建構與維護方法

滿載機器學習系統實用化所需的設計、開發、維護知識

適合AI工程師、系統工程師

本書旨在提供一個全方位的指南，幫助讀者將機器學習真正應用於實際的商業環境中。

企業的核心是經營事業而不能僅只於研究，所以讓機器學習實用化所需的工程技術與知識，與機器學習的學術研究同樣重要，甚至更加重要。而要讓機器學習快速實用化且變得更加方便，就需要建置各種系統。

本書主要在講述前著《AI開發的機器學習系統設計模式》未能觸及的內容，特別是如何在商業環境中建立機器學習系統，包括定義商業場合的使用情境、建構工作流程與系統，並且強調機器學習系統的實際應用，以及會遇到的問題，詳盡解說如何將機器學習整合到現有的運行系統和工作流程中。

市面上雖然有許多介紹機器學習模型建構與使用方式的書籍，卻很少有針對系統建置的說明。因此，本書的重點在於讓機器學習能夠真正付諸實用，包括課題設定、工作流程設計以及系統建置方法。

本書不僅介紹機器學習模型，更著重於建立應用機器學習所需的前台、後台、基礎架構、管線、BI工具等。

主要內容包括：
．定義商業應用場景：介紹不同的商業情境及如何在這些情境中應用機器學習。
．建構工作流程與系統：不僅限於機器學習模型，還包括前台、後台、基礎架構、管線、BI工具及其他相關軟體的建立。
．解決現有書籍的不足：現有書籍多專注於技術和實例，但很少介紹驅動機器學習的系統建構方法。本書彌補這一不足。
．課題設定和系統嵌入：介紹如何設定機器學習要解決的課題，並將其嵌入系統和日常業務活動中。
．實例與應用：書中包含作者自製的智慧型手機App、後台、批次系統及相關資料的實例，並提供實際運作的系統示範。
．前著延伸：本書是《AI開發的機器學習系統設計模式》的延續，涵蓋了前著未涉及的部分，如課題設定和系統嵌入方法。
．綜合技術學習：讀者能通過個案研究學會課題設定、工作流程設計、系統開發及團隊建置等技術。


提供下列需求度較高的機器學習系統範例
．需求預測系統
．違規偵測系統

透過案例，學習機器學習實用化所需的內容
．課題設置
．工作流程設計
．系統開發
．團隊設計

澀井雄介

於Launchable Inc服務。目前是MLOps工程師、基礎建設工程師、後台工程師、Android工程師、兩隻貓的飼主，家裡有四座貓吊床。主業為Developer Productivity。除了持續開發MLOps、資料架構，還努力經營MLOps社群。過去曾於SIer、外資軟體供應商、新創公司負責新產品，以及維護大規模系統與管理團隊。之前於Mercari撰寫將機器學習植入系統的設計模式。

．GitHub「Machine learning system design pattern」
URL github.com/mercari/ml-system-design-pattern

．作者的GitHub帳戶
URL github.com/shibuiwilliam

前言
本書的目標讀者與必要的先備的知識
本書的編排方式
本書範例檔的執行環境
書上的範例檔與GitHub範例檔的差異之處
本書的範例檔

第1章 課題、團體、系統
1.1 如何透過軟體技術解決商業課題
1.2 設計利用機器學習解決課題的腳本
1.3 根據團隊規模與技術思考開發與維護系統的流程
1.4 設計機器學習系統的架構
1.5 新的機器學習系統設計模式
1.6 團隊編制的模式
1.7 小結

第2章 建立需求預測系統
2.1 需求預測的目的
2.2 機器學習團隊與軟體開發團隊的編制範例
2.3 利用機器學習預測需求
2.4 需求預測系統與業務的工作流程
2.5 總結

第3章 利用動物圖片應用程式建置違規內容偵測系統
3.1 動物圖片應用程式的概要
3.2 偵測違規內容的目的
3.3 定義判斷違規內容所需的資料
3.4 設計違規內容偵測系統與工作流程
3.5 開發違規內容偵測模型
3.6 讓違規內容偵測系統實用化
3.7 總結

第4章 於動物圖片應用程式的搜尋功能使用機器學習
4.1 動物圖片應用程式的搜尋功能
4.2 利用機器學習改善搜尋功能
4.3 建立相似詞詞典
4.4 利用排序學習排序搜尋結果
4.5 建置A／B測試
4.6 利用圖片搜尋
4.7 打造使用者願意使用的機器學習

結語
索引