15 minutos
Capa do resumo de Projetando Sistemas de Machine Learning: Processo Iterativo para Aplicações Prontas para Produção

Tecnologia e futuro · 15 min

Projetando Sistemas de Machine Learning: Processo Iterativo para Aplicações Prontas para Produção

Chip Huyen · 2022

Para quem é

Pra quem trabalha com dados, programação ou produto e quer entender por que tanto modelo bom no notebook falha quando vai pro ar. Serve também pra gestor que precisa conversar com o time técnico sem ser enganado por promessa de inteligência artificial.

Ler e ouvir no app

⚡ Grátis pra baixar • 🎁 1 livro grátis por dia

🎧 Grátis, sem cadastro: ouça o resumo completo aqui.

Ouça o resumo completo (16 min)

Quer o texto acompanhando o áudio, o quiz e as Jornadas? Baixe o app

3 ideias pra levar

1

O algoritmo é uma peça pequena de um sistema de machine learning: dados, infraestrutura e monitoramento decidem se ele funciona de verdade.

2

Um modelo colocado em produção começa a envelhecer no dia seguinte, porque o mundo que ele aprendeu continua mudando.

3

Quando o resultado do sistema muda o comportamento das pessoas, o modelo passa a aprender com o efeito das próprias decisões.

“
Antes de pedir uma inteligência artificial, pergunte o que uma regra simples já resolveria.
Uma ideia de Projetando Sistemas de Machine Learning: Processo Iterativo para Aplicações Prontas para Produção, nas palavras do 15 minutos

Prévia

Comece a ler agora

O algoritmo é a parte pequena do sistema

Quem aprende machine learning em curso costuma passar o tempo todo no modelo: qual algoritmo, quais parâmetros, qual pontuação. Chip Huyen começa o livro desmontando essa imagem. Num sistema que roda de verdade, o algoritmo é só uma peça, cercada de dados, código de apoio, servidores, painéis e gente tomando decisão.

A proposta é uma visão de sistema. Um banco que usa um modelo pra barrar fraude no Pix não depende só da precisão do cálculo. Depende de como os dados chegam, de quanto tempo a resposta demora, de quem revisa os casos duvidosos e de como o time percebe que algo mudou.

É por isso que o subtítulo fala em processo iterativo. Montar o sistema não é tarefa de uma vez só. É um ciclo de planejar, treinar, colocar no ar, observar e ajustar, repetido enquanto o produto existir.

Antes de usar ML, pergunte se precisa

O livro defende que machine learning não resolve tudo. Ele funciona bem quando há padrões que se repetem, quando um erro custa pouco, quando as previsões precisam acontecer em grande escala e quando o padrão muda com o tempo, de modo que regras escritas à mão ficariam velhas.

Em muitos casos, uma regra simples ou uma consulta bem feita no banco de dados resolve melhor e custa menos. Um pequeno comércio que quer separar clientes que compram todo mês talvez não precise de modelo nenhum, só de uma planilha organizada.

Quando ML não resolve sozinho, ele ainda pode ser uma parte da solução. A pergunta honesta antes de começar é: o que acontece se eu fizer sem inteligência artificial e quanto vou perder por isso?

Pense no dono de uma padaria que quer prever a venda de pão de queijo. Antes de montar um modelo, ele pode olhar o histórico por dia da semana. Se essa conta já acerta o suficiente, o modelo só traria custo e dor de cabeça.

Pesquisa e produção são mundos diferentes

O livro dedica atenção às diferenças entre o modelo de artigo científico e o modelo de produto. Na pesquisa, o objetivo é bater o melhor resultado conhecido. Na produção, o objetivo é ser bom o bastante, rápido o bastante e barato o bastante.

Há outras diferenças. Os dados de pesquisa costumam ser limpos e fixos, enquanto os de produção são sujos e mudam. Em pesquisa, quase ninguém liga pra tempo de resposta. Em produção, cada fração de segundo pode ser percebida pelo cliente.

Por isso um modelo gigante que ganha concurso de precisão pode ser inútil num aplicativo de celular. A escolha certa é a que atende às restrições do produto, e não a que aparece no topo do ranking.

Faltam 12 seções e o quiz

Continue no app

Leia o resumo inteiro com o texto acompanhando a narração, feche com o quiz de Projetando Sistemas de Machine Learning: Processo Iterativo para Aplicações Prontas para Produção e siga pelas Jornadas guiadas. Sem anúncios no app.

Livro completo

Gostou? Leia Projetando Sistemas de Machine Learning: Processo Iterativo para Aplicações Prontas para Produção inteiro

Em papel, direto na livraria — entrega rápida e preço de lá.

🛒 Comprar o livro completo

no Mercado Livre

Alguns links são de afiliado: podemos receber comissão sem custo extra para você.

Perdendo a página?🔖 Marca-páginas a partir de R$ 7

Sobre Chip Huyen

Chip Huyen é escritora e engenheira de computação de origem vietnamita, com atuação em empresas de tecnologia dos Estados Unidos. Deu aulas sobre sistemas de machine learning na Universidade Stanford, e o curso foi a base do livro. Foi cofundadora da Claypot AI, empresa de infraestrutura de dados em tempo real que a Voltron Data comprou em 2024. Projetando Sistemas de Machine Learning saiu pela O'Reilly em 2022 e foi publicado no Brasil pela Alta Books.

Explore