ระบบแมชชีนเลิร์นนิ่งมีทั้งความซับซ้อน และแตกต่างไม่ซ้ำกันเพราะมีองค์ประกอบจำนวนมาก และมีผู้เกี่ยวข้องหลายฝ่ายอีกทั้งการสร้างระบบขึ้นอยู่กับข้อมูล ซึ่งแต่ละกรณีก็มีข้อมูลไม่เหมือนกัน หนังสือเล่มนี้จึงเสนอการเรียนรู้แบบองค์รวม โดยให้แนวทางการออกแบบระบบ ML ที่วางใจได้ รองรับการปรับขนาด บำรุงรักษาง่าย และปรับเปลี่ยนให้เข้ากับสภาพแวดล้อมและข้อกำหนดทางธุรกิจที่เปลี่ยนแปลงได้
หนังสือเล่มนี้เน้นให้หลักการออกแบบระบบเชิงบริหารและตอบโจทย์โลกธุรกิจ โดยใช้แนวทาง
“องค์รวมสำหรับระบบ ML” ที่คำนึงถึงองค์ประกอบต่างๆ ของระบบ และวัตถุประสงค์ของผู้มีส่วนเกี่ยวข้อง
ใช้เนื้อหาอ้างอิงจากเคสจริงในโลกธุรกิจ ซึ่งจะช่วยผู้อ่านเรียนรู้ที่จะรับมือกับสถานการณ์ต่าง ๆ เช่น
• ขั้นตอนทางวิศวกรรมข้อมูล และการเลือกตัวชี้วัดที่เหมาะสมเพื่อตอบโจทย์ธุรกิจ
• การสร้างกระบวนการอัตโนมัติสำหรับการพัฒนาแบบต่อเนื่อง การประเมิน การปรับใช้และการอัพเดทโมเดล
• การพัฒนาระบบตรวจสอบ เพื่อตรวจจับและแก้ไขปัญหาที่อาจพบขณะใช้งาน
• สถาปัตยกรรมของแพล็ตฟอร์ม ML ที่ประยุกต์ใช้งานได้หลากหลายกรณี
• การพัฒนาระบบ ML ที่มีความรับผิดชอบต่อสังคมและธุรกิจ