机器学习系统既复杂又独特。复杂是因为它们由许多不同的部分组成且涉及很多不同的利益相关者。独特是因为机器学习系统依赖于数据，不同应用场景的数据差异很大。在这本书中，你将学习一种整体方法来设计可靠、可扩展、可维护，并且能适应不断变化的环境和业务需求的机器学习系统。
本书作者Chip Huyen(Claypot AI的联合创始人)从达成系统整体目标的角度出发，考虑了包括处理和创建训练数据、特征选择、重新训练模型的频率以及监控哪些指标在内的每一个设计决策。本书中的迭代框架是在拥有大量文献支持的真实案例之上构建的。本书可以在以下场景中为你提供帮助：
·数据工程及选择正确的指标来解决业务问题。
·自动化持续开发、评估、部署和更新模型的过程。
·开发用于快速检测和解决模型在生产中问题的监控系统。
·构建支持多应用场景的机器学习平台。
·开发负责任的机器学习系统。

前言
第1章机器学习系统概述
1.1何时使用机器学习
1.2理解机器学习系统
1.2.1科研中的机器学习与生产中的机器学习
1.2.2机器学习系统与传统软件
1.3本章小结
第2章机器学习系统设计简介
2.1业务目标和机器学习目标
2.2机器学习系统需要满足的要求
2.2.1可靠性
2.2.2可扩展性
2.2.3可维护性
2.2.4适应性
2.3选代过程
2.4构造机器学习问题
2.4.1机器学习任务分类
2.4.2目标函数
……