Experimentación para ingenieros: De las pruebas A/B a la optimización bayesiana

Opiniones de los lectores

El libro presenta una exploración en profundidad de técnicas avanzadas de experimentación, por lo que es adecuado para científicos de datos e ingenieros que buscan optimizar sistemas a través de métodos rigurosos como las pruebas A/B, los bandidos de brazos múltiples y la optimización bayesiana.

Bien estructurado para temas avanzados, proporciona ejemplos prácticos, lenguaje fácil de entender, aplicable tanto a lectores técnicos como no técnicos, incluye un uso moderado de fórmulas, hace hincapié en métodos computacionales y estadísticos.

⬤ No es apto para principiantes
⬤ asume cierto conocimiento previo de Python y estadística
⬤ puede requerir un esfuerzo adicional para comprender plenamente los conceptos para aquellos que no tienen una sólida formación.

(basado en 3 opiniones de lectores)

Título original:

Experimentation for Engineers: From A/B Testing to Bayesian Optimization

Contenido del libro:

Optimice el rendimiento de sus sistemas con experimentos prácticos utilizados por ingenieros de las industrias más competitivas del mundo.

En Experimentación para ingenieros: De las pruebas A/B a la optimización bayesiana aprenderá a:

Diseñar, ejecutar y analizar una prueba A/B.

Romper los "bucles de retroalimentación" causados por el reentrenamiento periódico de los modelos ML.

Aumentar la tasa de experimentación con bandidos de brazos múltiples.

Ajustar múltiples parámetros experimentalmente con la optimización bayesiana.

Definir claramente las métricas de negocio utilizadas para la toma de decisiones.

Identificar y evitar las trampas comunes de la experimentación.

Experimentación para ingenieros: De las pruebas A/B a la optimización bayesiana es una caja de herramientas de técnicas para evaluar nuevas características y ajustar parámetros. Empezará con una inmersión profunda en métodos como las pruebas A/B, para pasar después a técnicas avanzadas utilizadas para medir el rendimiento en sectores como las finanzas y las redes sociales. Aprenda a evaluar los cambios que realice en su sistema y asegúrese de que sus pruebas no socavan los ingresos u otras métricas empresariales. Cuando termine, será capaz de desplegar experimentos en producción sin problemas, evitando los errores más comunes.

La compra del libro impreso incluye un libro electrónico gratuito en formatos PDF, Kindle y ePub de Manning Publications.

Acerca de la tecnología.

¿Funciona realmente mi software? ¿Mis cambios han mejorado o empeorado las cosas? ¿Debo cambiar prestaciones por rendimiento? La experimentación es la única forma de responder a preguntas como éstas. Este libro único revela sofisticadas prácticas de experimentación desarrolladas y probadas en las industrias más competitivas del mundo que le ayudarán a mejorar los sistemas de aprendizaje automático, las aplicaciones de software y las soluciones de comercio cuantitativo.

Acerca del libro.

Experimentación para ingenieros: De las pruebas A/B a la optimización bayesiana ofrece una caja de herramientas de procesos para optimizar sistemas de software. Comenzará aprendiendo los límites de las pruebas A/B y, a continuación, pasará a estrategias de experimentación avanzadas que aprovechan el aprendizaje automático y los métodos probabilísticos. Las habilidades que dominará en esta guía práctica le ayudarán a minimizar los costes de la experimentación y a revelar rápidamente qué enfoques y características ofrecen los mejores resultados empresariales.

Contenido.

Diseñe, ejecute y analice una prueba A/B.

Rompa los "bucles de retroalimentación" causados por el reentrenamiento periódico de los modelos ML.

Aumente la tasa de experimentación con bandidos de brazos múltiples.

Ajuste experimental de múltiples parámetros con optimización bayesiana.

Sobre el lector.

Para ML e ingenieros de software que buscan extraer el máximo valor de sus sistemas. Ejemplos en Python y NumPy.

Sobre el autor.

David Sweet ha trabajado como trader cuantitativo en GETCO y como ingeniero de aprendizaje automático en Instagram. Enseña en los programas de máster de IA y Ciencia de Datos de la Universidad Yeshiva.

Tabla de contenidos.

1 Optimización de sistemas mediante experimentos.

2 Pruebas A/B: Evaluando una modificación de tu sistema.

3 Multi-armed bandits: Maximizar las métricas de negocio mientras se experimenta.

4 Metodología de superficie de respuesta: Optimización de parámetros continuos.

5 Bandidos contextuales: Toma de decisiones específicas.

6 Optimización bayesiana: Automatización de la optimización experimental.

7 Gestión de métricas empresariales.

8 Consideraciones prácticas.