设计机器学习系统（奇普·休恩 2022）

机器学习系统既复杂又独特。说它复杂，是因为它们由许多不同的组件构成，并涉及众多利益相关方；说它独特，是因为其高度依赖数据，而不同应用场景下的数据差异极大。在本书中，你将学习一种整体性的方法来设计可靠、可扩展、易于维护且能适应不断变化的环境和业务需求的机器学习系统。

该书已被翻译成10多种语言，包括：日语、韩语、越南语、繁体中文、简体中文—中国大陆、简体中文—台湾、葡萄牙语、西班牙语、俄语、波兰语、塞尔维亚语、土耳其语、希腊语以及泰语。

本书可在以下平台购买：

• 亚马逊
• O'Reilly
• Kindle
• 亚马逊印度站

以及大多数销售技术书籍的渠道。

仓库结构

本书聚焦于开发和部署机器学习系统时的关键设计决策。这并非一本教程类书籍，因此书中没有大量代码片段。在本仓库中，你不会找到代码示例，但会发现：

• 目录
• 各章摘要
• MLOps工具
• 资源
• 基础机器学习概念的简要回顾

贡献

欢迎创建问题或提交拉取请求。我们非常感谢您的反馈！

本书适用人群

本书适合任何希望利用机器学习解决实际问题的人。书中的“机器学习”既指深度学习，也指传统算法，尤其侧重于大规模机器学习系统，例如中大型企业和快速成长型初创公司中常见的那些系统。规模较小的系统通常较为简单，可能不太受益于本书所阐述的全面方法。

由于我的背景是工程领域，本书的语言风格主要面向工程师，包括机器学习工程师、数据科学家、数据工程师、机器学习平台工程师以及工程管理者。

你或许能从以下场景中找到共鸣：

1. 你被赋予了一个业务问题和大量原始数据，希望对这些数据进行处理并选择合适的指标来解决问题。
2. 你的初步模型在离线实验中表现良好，现在想要将其部署上线。
3. 模型部署后，你对它们的实际运行情况缺乏足够的反馈，希望能够找到一种快速检测、调试并解决生产环境中可能出现的问题的方法。
4. 你们团队在开发、评估、部署和更新模型的过程中，大多依靠手动操作，效率低下且容易出错。你希望实现自动化并改进这一流程。
5. 你所在组织的每个机器学习应用场景都采用独立的工作流进行部署，你希望搭建一个可供跨场景共享和复用的基础架构（如模型仓库、特征仓库、监控工具等）。
6. 你担心自己的机器学习系统可能存在偏差，希望让系统更加负责任！

此外，以下群体也能从本书中受益：

• 希望识别机器学习生产环节中尚未被充分覆盖的领域，并据此规划自身工具在生态系统中定位的工具开发者。
• 正在寻找机器学习相关职位的从业者。
• 考虑采用机器学习解决方案以提升产品和/或业务流程的技术及业务领导者。对于技术背景较弱的读者来说，第1、2和第11章的内容尤为实用。

评论

• “这本书简直就是关于如何在企业中构建、部署和扩展机器学习模型以实现最大影响力的最佳指南。奇普是一位杰出的导师，她的知识广度和深度无人能及。” ——乔什·威尔斯，WeaveGrid软件工程师、前Slack数据工程总监

• “成为一名高效的机器学习工程师需要掌握大量知识。要在纷繁的信息中筛选出最相关的内容并不容易，但奇普在这本书中出色地做到了这一点。如果你认真对待生产环境中的机器学习，并关注如何端到端地设计和实施机器学习系统，那么这本书必不可少。” ——劳伦斯·莫罗尼，谷歌人工智能与机器学习负责人

• “这是少数专注于机器学习生产系统设计基本原则的优秀资源之一。对于在瞬息万变的工具和平台选项中找到方向的人来说，这是一本必读之作。” ——古库·莫汉达斯，Made With ML创始人

来看看推特上大家对这本书的讨论吧 @designmlsys！

---

奇普·休恩，《设计机器学习系统》。O'Reilly Media，2022年。

@book{dmlsbook2022,  
    address = {美国},  
    author = {奇普·休恩},  
    isbn = {978-1801819312},   
    publisher = {O'Reilly Media},  
    title = {{设计机器学习系统}},  
    year = {2022}  
}

dmls-book 快速上手指南

dmls-book 是 Chip Huyen 所著《Designing Machine Learning Systems》一书的开源配套仓库。本书专注于机器学习系统的设计决策，涵盖可靠性、可扩展性、可维护性及适应性等核心议题。注意：本书并非代码教程，因此本仓库不包含具体的代码示例，而是提供目录、章节摘要、MLOps 工具清单及基础概念回顾等资源。

环境准备

本项目主要为文档资源，无复杂的运行时依赖。只需具备基础的阅读环境和网络访问能力即可。

• 操作系统：Windows、macOS 或 Linux 均可。
• 前置依赖：
  • 现代 Web 浏览器（用于在线阅读或查看 PDF）。
  • Git（用于克隆仓库获取最新内容）。
  • Markdown 阅读器（可选，用于本地预览 .md 文件）。
• 网络建议：由于仓库托管于 GitHub，国内用户若访问受限，建议使用加速代理或镜像站。

安装步骤

你可以通过克隆仓库或下载压缩包的方式获取内容。

方式一：使用 Git 克隆（推荐）

git clone https://github.com/chiphuyen/dmls-book.git
cd dmls-book

国内加速方案：如果直接克隆速度慢，可使用国内镜像源：

git clone https://gitee.com/mirrors/dmls-book.git
# 注意：若 Gitee 无同步镜像，请配置 git 全局代理或使用上述官方地址配合加速工具

方式二：下载 ZIP 包

1. 访问项目主页：https://github.com/chiphuyen/dmls-book
2. 点击绿色的 Code 按钮。
3. 选择 Download ZIP。
4. 解压到本地目录。

基本使用

获取仓库后，你可以直接浏览以下核心资源文件来快速掌握书中精华：

1. 查看目录结构 打开 ToC.pdf 了解全书章节安排。

2. 阅读章节摘要 使用任意文本编辑器或 Markdown 查看器打开 summary.md，快速获取各章核心观点。

   # 在终端中快速预览摘要（Linux/macOS）
   cat summary.md
   

3. 探索 MLOps 工具生态 查阅 mlops-tools.md，获取书中推荐的各类生产级 ML 工具列表及其分类。

4. 复习基础概念 如果你是初学者或非算法背景的工程人员，建议先阅读 basic-ml-review.md 以统一术语认知。

5. 获取更多资源 参考 resources.md 获取延伸阅读材料和相关链接。

提示：本书中文版已由机械工业出版社等机构引进出版（简体版 ISBN: 978-7-5198-8628-8），如需深入阅读完整理论体系与案例解析，建议购买实体书或电子书以获得最佳阅读体验。本仓库主要作为补充资料和工具索引使用。