Birçok kişi makine öğrenimine temiz bir veri kümesi üzerinde model eğiterek başlar, ancak asıl zorluk bu modeli her gün yeni verilerle gerçek kullanıcılar için çalışır hale getirmektir. Jim Dowling'in O'Reilly yayını "Building Machine Learning Systems with a Feature Store" tam da bu an için yazılmış. Hopsworks CEO'su Dowling, kitabı Stockholm'deki KTH'de verdiği bir derse dayandırdığı için, okuyucuyu gerçek sistemler inşa etme sürecinde adım adım yönlendiriyor.
Kitabın kalbinde, herhangi bir yapay zeka sistemini üç parçaya ayıran basit bir düşünce biçimi yatıyor. Birinci kısım, verileri modelin ihtiyaç duyduğu faydalı girdilere (kitabın deyimiyle öznitelikler/feature) dönüştürüyor. İkinci kısım bu girdilerle modeli eğitiyor. Üçüncü kısım ise modeli devreye alarak uygulamanın ihtiyacına göre tahminler yapıyor. Kitaba adını veren feature store, bu üç parçayı birbirine bağlayan ortak bir depolama alanı olarak işlev görüyor. Bu şekilde bakıldığında, her bir parça kendi başına inşa edilip test edilebilecek kadar küçük.
Kitap, yapay zeka sistemlerini üç türe ayırıyor ve örnekler bu şemaya göre gelişiyor. Batch sistem, bir hava kalitesi tahmincisi ile örneklendirilirken, gerçek zamanlı sistem için bir kredi kartı dolandırıcılık dedektörü ve TikTok benzeri bir video öneri sistemi inşa ediliyor. Ajan yetenekleri, hava kalitesi ve öneri sistemlerinin üzerine LlamaIndex ile eklenen bir katman olarak karşımıza çıkıyor. Aynı yapı taşlarının farklı sistemlerde tekrar kullanıldığını görmek, yöntemin akılda kalıcılığını artırıyor.
Önemli Gelişmeler
Kitabın son bölümü, TikTok tarzı öneri sistemini baştan sona inşa ediyor ve ardından yapay zeka projelerinin kullanıcıya ulaşmasını engelleyen yaygın hataları ve etik konuları kısaca ele alıyor. Yeni başlayanlar için kitabın cazibesi, dağınık bilgileri tek bir çalışma yöntemine dönüştüren tekrarlanabilir bir metodoloji sunması. Teori hafif tutulurken, inşa etme süreci merkezde kalıyor. Kitabı okuyup alıştırmaları yapan bir kişi, bir fikri alıp kendi sistemini kurma becerisi kazanıyor.
