I næringslivet begynner typiske data science-oppgaver ofte med en forespørsel fra virksomheten. Dessverre har ikke mange datavitere fått opplæring i hvordan de skal håndtere denne forespørselen. Boken 'Machine Learning in Production' gir en grundig veiledning i hvordan man vurderer forespørselen i lys av virksomhetens mål, omformulerer den for å oppnå optimal samhandling mellom datavitere og arbeidsgiver, og til slutt implementerer den. Skrevet av to eksperter med erfaring fra utrolige optimaliseringer hos BuzzFeed, er denne boken fylt med virkelige eksempler som tar deg fra start til slutt: fra forespørsel til handlingsrettet innsikt. Andrew Kelleher og Adam Kelleher presenterer velutformede, håndfaste prinsipper for å tilnærme seg vanlige data science-problemer, og gir deg en lettfattelig sjekkliste for effektiv gjennomføring. Ved å bruke deres prinsipper og teknikker vil du få en dypere forståelse av dataene dine, lære hvordan du analyserer støy og forstyrrende variabler slik at disse ikke påvirker analysen din negativt, og spare uker med iterativ forbedring ved å planlegge prosjektene dine mer effektivt fra starten av.
