Makine öğrenimi (ML) dünyasına adım atan birçok kişi, düzenli bir veri kümesi üzerinde model eğitmekle 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 noktada devreye giriyor. Hopsworks CEO'su Dowling, kitabını Stockholm'deki KTH'de verdiği bir derse dayandırdığı için, okuyucuyu adeta gerçek sistemler inşa etme yolculuğuna çıkarıyor. Kitabın kalbinde, herhangi bir AI sistemini üç parçaya ayıran basit bir düşünce yatıyor: özelliklerin hazırlandığı veri hazırlık kısmı, modelin eğitildiği kısım ve modelin tahminler yaptığı dağıtım aşaması. Özellik mağazası (feature store), bu üç parçayı birbirine bağlayan paylaşımlı depolama alanı olarak işlev görüyor.
Kitap, AI sistemlerini üç türe ayırıyor ve örnekler bu sınıflandırmaya göre şekilleniyor. Batch sistemler, belirli bir zaman çizelgesinde tahmin yapar; evinizdeki bir sensöre bağlanan hava kalitesi tahmincisi bunun bir örneği. Gerçek zamanlı sistemler, bir talep geldiği anda yanıt verir; kitapta bir kredi kartı dolandırıcılık dedektörü ve TikTok benzeri bir video öneri sistemi inşa ediliyor. Aracı (agentic) yetenekler ise, büyük bir dil modelinin canlı veri ve araçlar kullanarak bir hedefe ulaştığı ek bir katman olarak karşımıza çıkıyor. Bu katman, hava kalitesi servisi ve öneri sisteminin üzerine LlamaIndex ile inşa edilen aracılar kullanılarak ekleniyor. Aynı yapı taşlarının farklı sistemlerde tekrar kullanıldığını görmek, yöntemin zihne yerleşmesini sağlıyor.
Tüm örnekler Python ile yazılmış ve ücretsiz açık kaynak araçlar kullanılmış; bu sayede okuyucular herhangi bir satın alma yapmadan uygulamaları takip edebiliyor. Her bölüm alıştırmalarla sona eriyor ve projeler popüler bulut hizmetlerinin ücretsiz katmanlarında çalışıyor. Temel Python ve SQL bilgisi yeterli. Kitabın özgün yanlarından biri, veri hazırlığının her türünün nereye ait olduğuna dikkat etmesi; böylece aynı işlem eğitim ve canlı tahminlerde aynı şekilde çalışıyor ve yeni başlayanları ince hatalardan koruyor. Ayrıca, acemilerin erken edindiği bazı alışkanlıkları sorgulayarak, onları ilk çalışan sisteme daha hafif bir yoldan yönlendiriyor. Ana mesaj: önce bir şey çalıştırın, sonra iyileştirin.
Gelecekte Ne Bekleniyor?
Kitabın son bölümü her şeyi bir araya getiriyor: TikTok tarzı öneri sistemini baştan sona inşa ediyor ve ardından AI projelerinin kullanıcılara ulaşmasını engelleyen yaygın hataları ve etik üzerine kısa bir notu sıralıyor. Yeni başlayanlar için kitabın cazibesi, dağınık püf noktalarını tek bir çalışma yöntemine dönüştüren tekrarlanabilir bir metodoloji sunması. Teori hafif, inşa etme ise merkezde. Kitabı okuyup alıştırmaları yaptığınızda, bir fikri alıp kendi sisteminizi kurma becerisi kazanıyorsunuz.
