掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
機器學習項目成功交付 版權信息
- ISBN：9787302668589
- 條形碼：9787302668589 ; 978-7-302-66858-9
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
機器學習項目成功交付 本書特色
對于機器學習項目來說，我們可能看不到一種人所共知的弊病，甚至沒有一個單一的主題。相反，這些項目的失敗似乎來自許多不同的方向。盡管這些項目失敗的原因各不相同，但其中也有一個共同的原因：領導這些項目的人大都才華橫溢、聰明睿智、善于表達、技術精湛，唯獨欠缺的就是經驗。如果你有幸獲得足夠的經驗來引導一個或十個機器學習項目取得成功，那么不分享這些經驗就顯得過于吝嗇了。機器學習和人工智能是可以用于公益的技術，它們有望幫助應對氣候變化、流行疾病和經濟困境。也許通過分享如何管理機器學習項目的知識，我可以幫助其他人完成一些實際項目，讓世界變得更美好！
機器學習項目成功交付 內容簡介
本書詳細闡述了與機器學習成功交付相關的基本知識，主要包括項目前期，開始工作，深入研究問題，探索性數據分析、道德和基線評估，使用機器學習技術制作實用模型，測試和選擇模型，系統構建和生產，發布項目等內容。此外，本書還提供了相應的示例、代碼，以幫助讀者進一步理解相關方案的實現過程。
本書適合作為高等院校計算機及相關專業的教材和教學參考書，也可作為相關開發人員的自學用書和參考手冊。
機器學習項目成功交付 目錄
第1章 引言：交付機器學項目很困難，讓我們做得更好 1
1.1 機器學的定義 2
1.2 機器學很重要 4
1.3 其他機器學方法 8
1.4 理解本書內容 12
1.5 案例研究：The Bike Shop 15
1.6 小結 16
第2章 項目前期：從機會到需求 17
2.1 項目前期待辦事項 18
2.2 項目管理基礎設施 20
2.3 項目需求 21
2.3.1 投資模式 22
2.3.2 業務需求 23
2.4 數據 28
2.5 與隱私 31
2.6 企業責任、監管和道德考慮 33
2.7 開發架構及流程 37
2.7.1 開發環境 39
2.7.2 生產架構 40
2.8 小結 41
第3章 項目前期：從需求到提案 43
3.1 建立項目假設 43
3.2 創建項目估計 47
3.2.1 時間和力估計 47
3.2.2 機器學項目的團隊設計 49
3.2.3 項目風險 55
3.3 售前/項目前期管理 56
3.4 項目前期/售前清單 56
3.5 The Bike Shop預售 58
3.6 有關項目前期的后記 65
3.7 小結 66
第4章 開始工作 67
4.1 Sprint 0待辦事項 67
4.2 確定團隊設計和資源配置 68
4.3 工作方式 69
4.3.1 流程與結構 69
4.3.2 心跳和溝通方案 71
4.3.3 工具 72
4.3.4 標準和實踐 76
4.3.5 文檔 78
4.4 基礎設施計劃 80
4.4.1 系統訪問 80
4.4.2 技術基礎設施評估 81
4.5 數據故事 81
4.5.1 數據收集動機 84
4.5.2 數據收集機制 84
4.5.3 數據沿襲 85
4.5.4 事件 87
4.6 隱私、和道德計劃 87
4.7 項目路線圖 88
4.8 Sprint 0清單 89
4.9 The Bike Shop：項目設置 90
4.10 小結 96
第5章 深入研究問題 97
5.1 Sprint 1待辦事項 97
5.2 理解數據 98
5.2.1 數據調查 99
5.2.2 調查數值數據 101
5.2.3 調查分類數據 103
5.2.4 調查非結構化數據 104
5.2.5 報告和使用調查結果 106
5.3 業務問題細化、用戶體驗和應用程序設計 107
5.4 構建數據管道 110
5.4.1 數據融合問題 113
5.4.2 管道叢林 114
5.4.3 數據測試 116
5.5 模型存儲庫和模型版本控制 117
5.5.1 征、基礎模型和訓練機制 118
5.5.2 版本控制概述 119
5.6 小結 120
第6章 探索性數據分析、道德和基線評估 121
6.1 探索性數據分析 121
6.1.1 探索性數據分析的目標 122
6.1.2 匯總和描述數據 123
6.1.3 繪圖和可視化 125
6.1.4 非結構化數據 129
6.2 道德檢查點 133
6.3 基線模型和性能 134
6.4 出現問題時的解決方案 135
6.5 預建模檢查表 137
6.6 The Bike Shop：預建模 137
6.6.1 數據調查結束后 138
6.6.2 探索性數據分析實現 141
6.7 小結 144
第7章 使用機器學技術實用模型 145
7.1 Sprint 2待辦事項 146
7.2 征工程和數據增強 147
7.2.1 征工程的基礎概念 148
7.2.2 創建新征 150
7.2.3 數據增強 152
7.3 模型設計 154
7.3.1 設計的外力 154
7.3.2 總體設計 155
7.3.3 選擇組件模型 156
7.3.4 歸納偏差 157
7.3.5 多個不相交模型 161
7.3.6 模型組合 161
7.4 使用機器學技術模型 162
7.4.1 建模過程 163
7.4.2 實驗跟蹤和模型存儲庫 164
7.4.3 AutoML和模型搜索 166
7.5 警惕“臭”模型 168
7.6 小結 169
第8章 測試和選擇模型 171
8.1 測試和選擇模型的原因 171
8.2 測試流程 172
8.2.1 離線測試 173
8.2.2 離線測試環境 175
8.2.3 在線測試 177
8.2.4 現場試驗 177
8.2.5 A/B測試 178
8.2.6 多臂老虎機 179
8.2.7 非功能測試 181
8.3 選擇模型 182
8.3.1 定量選擇 184
8.3.2 通過可比測試進行選擇 184
8.3.3 通過多次測試進行選擇 185
8.3.4 定性選擇指標 187
8.4 建模后檢查表 188
8.5 The Bike Shop：Sprint 2 189
8.6 小結 196
第9章 Sprint 3：系統構建和生產 199
9.1 Sprint 3待辦事項 199
9.2 機器學實現的類型 201
9.2.1 輔助系統 202
9.2.2 委托系統 205
9.2.3 自治系統 208
9.3 非功能審查 210
9.4 實現生產系統 211
9.4.1 生產數據基礎設施 211
9.4.2 模型服務器和推理服務 214
9.4.3 用戶接口設計 216
9.5 記錄、監控、管理、反饋和文檔 219
9.5.1 模型治理 221
9.5.2 文檔 222
9.6 發布前測試 223
9.7 道德審查 224
9.8 投入生產 225
9.9 曲人不散 226
9.10 The Bike Shop Sprint 3 227
9.11 小結 230
第10章 發布項目 231
10.1 Sprint Ω待辦事項 231
10.2 投入生產并不意味著萬事大吉 232
10.2.1 直面問題和厘清責任 232
10.2.2 機器學的技術債務 234
10.2.3 模型漂移 235
10.2.4 再訓練 236
10.2.5 緊急情況 237
10.2.6 問題調查 238
10.3 團隊項目后評審 238
10.4 改進實踐 240
10.5 新技術的采用 241
10.6 案例研究 242
10.7 再見，祝你好運 242
10.8 小結 243
展開全部
機器學習項目成功交付 作者簡介
[美]西蒙·湯普森(Simon Thompson)，擁有25年的開發人工智能系統的經驗(雖然使用的并不都是機器學習技術)。他領導了英國電信(BT)實驗室的人工智能研究項目，幫助該公司開拓了大數據技術，并管理了近十年的應用研究實踐。其團隊交付的項目使用了貝葉斯機器學習、深度網絡以及運行良好的早期風格決策樹和關聯規則挖掘技術，以提供對大型公司的電信網絡、客戶服務和業務流程的深入見解。
書友推薦
- >
朝聞道
- >
莉莉和章魚
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
李白與唐代文化
- >
推拿
- >
姑媽的寶刀
- >
回憶愛瑪儂
- >
羅曼·羅蘭讀書隨筆-精裝
本類暢銷
