电子书 《面向机器学习的实用程序员：工程分析与数据科学解决方案》
The Pragmatic Programmer for Machine Learning -- Engineering Analytics and Data Science Solutions
地址：ppml.dev/

本书以简短介绍机器学习和软件工程开始，阐述了我们如何看待它们以及我们认为它们在实际应用中应该如何相互作用。其余部分分为四个部分，从基础到实践：

科学计算的基础：涵盖规划、分析和设计机器学习软件的基础主题，例如：使用不同硬件配置的权衡；不同类型数据的特点及其合适的数据结构；以及分析算法以确定其计算复杂度。
机器学习和数据科学的最佳实践：从机器学习工程师的角度重新审视软件工程的最佳实践，从编写代码、解决故障到生产部署（即服务模型）再到撰写技术文档。
工具和技术：讨论塑造我们对机器学习流水线可行性的看法的各种工具类别，并举例说明最新的技术和它们所做的权衡。
案例研究：通过讨论并原型化Lipizzi等人工作的自然语言理解机器学习流水线，将前面章节的建议付诸实践（Lipizzi et al. 2022）。