))
Episode 17: Michael Munn, Google: Machine Learning Design Patterns
Manage episode 315382643 series 3248802
Το περιεχόμενο παρέχεται από το Silo AI. Όλο το περιεχόμενο podcast, συμπεριλαμβανομένων των επεισοδίων, των γραφικών και των περιγραφών podcast, μεταφορτώνεται και παρέχεται απευθείας από τον Silo AI ή τον συνεργάτη της πλατφόρμας podcast. Εάν πιστεύετε ότι κάποιος χρησιμοποιεί το έργο σας που προστατεύεται από πνευματικά δικαιώματα χωρίς την άδειά σας, μπορείτε να ακολουθήσετε τη διαδικασία που περιγράφεται εδώ https://el.player.fm/legal.
Inference #17: ML Design Patterns with Michael Munn from Google
Information can be lost in translation. As new technologies require a unified framework for discussion, they too require it for semantics. Michael Munn, along with his co-authors Valliappa Lakshmanan and Sara Robinson, released a book called ML Design Patterns to help codify common modeling- and engineering problems, solutions, and approaches into uniform language, aiming to democratize ML comprehension.
Michael is a professor and mathematician by background. At Google, he works with Google Cloud Platform’s customer-facing projects and is one of the driving forces behind Google’s Advanced Solutions Lab.
Tune in to learn about the difference between academic vs. democratic ML, best practice sharing between Google’s teams and matching of Google’s MLOps principles to customer ways of working, and upcoming MLOps trends.
https://youtu.be/hNtJJ5R_T9s
30 επεισόδια
Μοίρασέ το
