Một mô hình Machine Learning tuyệt vời trong Jupyter Notebook không có nghĩa lý gì nếu nó không bao giờ được triển khai cho người dùng cuối. Cuốn sách Building Machine Learning Powered Applications (2020) cung cấp khung tư duy sản phẩm để tích hợp AI vào kinh doanh, tập trung vào vòng đời MLOps (Machine Learning Operations).
Tại sao đây là cuốn sách thiết yếu cho các ML Engineer Việt Nam? Sách không chỉ dạy bạn thuật toán, mà dạy cách thiết kế quy trình sản phẩm:
Định nghĩa sản phẩm: Cách xác định bài toán ML có thể giải quyết, chọn metrics đánh giá phù hợp với mục tiêu kinh doanh.
Data Pipeline: Xây dựng hệ thống dữ liệu tự động, đảm bảo dữ liệu huấn luyện (Training) và dữ liệu sản xuất (Serving) đồng nhất.
Deployment & API: Triển khai Model ra môi trường Production thông qua REST API và tích hợp vào ứng dụng.
Giám sát (Monitoring): Theo dõi hiệu suất model theo thời gian (ví dụ: phát hiện Data/Model Drift) và tự động đào tạo lại.
A/B Testing: Cách kiểm tra model mới có thực sự tốt hơn model cũ hay không trong môi trường thực tế.
Đối với các công ty công nghệ tại Hà Nội và TP.HCM đang cố gắng scale đội ngũ Data Science, cuốn sách này giúp chuẩn hóa quy trình làm việc, chuyển đổi các dự án nghiên cứu thành các tính năng có doanh thu, sử dụng Python làm ngôn ngữ cốt lõi.
