構建機器學習應用 (美)伊曼紐爾.阿米森著 杜春曉 趙巍譯 9787519876357 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202304*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：構建機器學習應用
ISBN：9787519876357
出版社：中國電力
著編譯者：(美)伊曼紐爾.阿米森著 杜春曉 趙巍譯
頁數：x, 264頁
所在地：中國大陸 *此為代購商品
書號：1533515
可大量預訂，請先連絡。

內容簡介

你可從本書學到設計、開發和部署機器學習應用的必備技能。本書將帶你從產品構思起步，不斷迭代，最終完成一款機器學習應用。無論你是數據科學家、軟體工程師，還是產品經理，無論你資歷深淺，你都可以從本書學到真實機器學習應用開發各步驟所需工具和最佳實踐，掌握常見問題的解決方法。 本書作者是一位經驗豐富的數據科學家，負責過人工智能教育項目。他在本書用代碼塊、插圖、軟體截屏和業界高手的訪談記錄，生動詮釋了機器學習概念，非常實用。本書第一部分教你規劃機器學習應用併為其制定成功標準。第二部分介紹機器學習基礎模型的開發方法，讓模型跑起來。第三部分介紹模型改進方法，實現最初產品構思。第四部分則介紹模型部署和監控策略。

作者簡介

伊曼紐爾·阿米森是Stripe公司的機器學習工程師，曾經為Local Motion和Zipcar公司實施並部署了預測分析和機器學習解決方案。最近，他正在領導洞見數據科學（Insight Data Scierice）的人工智能項目群，指導著150多個機器學習項目。Emmanuel擁有法國三所頂尖大學的人工智能、計算機工程和管理碩士學位。

目錄

前言
第一部分 讓機器學習要找對方法
第1章 從產品目標到機器學習框架
1 1 評估什麼可行
1 1 1 模型
1 1 2 數據
1 2 探索機器學習編輯器開發方案
1 2 1 嘗試全用機器學習完成：端到端框架
1 2 2 最簡方法：成為演算法
1 2 3 中間地帶：從自己經驗學習
1 3 Monica Rogati：如何選擇機器學習項目並安排其優先順序
1 4 小結
第2章 制定方案
2 1 度量成功
2 1 1 業務指標
2 1 2 模型性能
2 1 3 新鮮度和分佈偏移
2 1 4 速度
2 2 評估範圍和挑戰
2 2 1 利用領域知識
2 2 2 站在巨人肩上
2 3 機器學習編輯器方案
2 3 1 編輯器初步方案
2 3 2 永遠從簡單模型入手
2 4 不斷進步：從簡單方法入手
2 4 1 從簡易流水線入手
2 4 2 機器學習編輯器流水線
2 5 小結
第二部分 建成可用流水線
第3章 搭建你的首條端到端流水線
3 1 最簡框架
3 2 機器學習編輯器原型
3 2 1 解析和清洗數據
3 2 2 文本分詞
3 2 3 生成特徵
3 3 測試工作流
3 3 1 用戶體驗
3 3 2 建模結果
3 4 機器學習編輯器原型評估
3 4 1 模型
3 4 2 用戶體驗
3 5 小結
第4章 獲取初始數據集
4 1 數據集迭代
4 2 探索你的首個數據集
4 2 1 高效始於簡單
4 2 2 洞察力和產品的關係
4 2 3 數據質量規則
4 3 標註數據，尋找趨勢
4 3 1 總結性統計信息
4 3 2 高效探索和標註
4 3 3 成為演算法
4 3 4 數據趨勢
4 4 用數據指導特徵和模型
4 4 1 創建特徵，捕獲模式
4 4 2 機器學習編輯器特徵
4 5 Robert Munro：你如何尋找、標註和使用數據？
4 6 小結
第三部分 模型迭代
第5章 訓練和評估模型
5 1 最簡合適模型
5 1 1 簡易模型
5 1 2 從模式到模型
5 1 3 切分數據集
5 1 4 機器學習編輯器數據切分
5 1 5 判斷模型表現
5 2 評估模型：超越準確率
5 2 1 對比數據和預測結果
5 2 2 混淆矩陣
5 2 3 ROC曲線
5 2 4 校準曲線
5 2 5 用降維技術分析出錯樣例
5 2 6 Top-K方法
5 2 7 其他模型
5 3 評估特徵重要性
5 3 1 直接來自分類器
5 3 2 黑盒解釋器
5 4 小結
第6章 調試機器學習模型
6 1 軟體最佳實踐
6 2 調試連接：可視化和測試
6 2 1 從一個樣例開始
6 2 2 測機器學習代碼
6 3 調試模型訓練過程：讓模型學習
6 3 1 任務難度
6 3 2 最優化問題
6 4 調試泛化能力：讓模型有用
6 4 1 數據泄露
6 4 2 過擬合
6 4 3 思考手頭任務
6 5 小結
第7章 用分類器生成寫作建議
7 1 從模型抽取建議
7 1 1 我們不用模型能實現什麼？
7 1 2 抽取全局特徵重要性
7 1 3 利用模型打的分值
7 1 4 抽取局部特徵重要性
7 2 模型對比
7 2 1 模型v1：建議就像統計報告
7 2 2 模型v2：模型更強大但建議更模糊
7 2 3 模型v3：建議可理解
7 3 生成編輯建議
7 4 小結
第四部分 部署和監控
第8章 部署模型的注意事項
8 1 數據使用注意事項
8 1 1 數據所有權
8 1 2 數據偏差
8 1 3 系統偏差
8 2 建模注意事項
8 2 1 反饋循環
8 2 2 模型更包容
8 2 3 思考預測背景
8 2 4 機器學習模型的對手
8 2 5 思考模型濫用和挪用風險
8 3 Chris Harland：交付實驗
8 4 小結
第9章 選擇部署方案
9 1 服務端部署
9 1 1 流式應用或API
9 1 2 批量預測
9 2 客戶端部署
9 2 1 部署到設備
9 2 2 用瀏覽器端交付
9 3 聯邦學習：一種混合方法
9 4 小結
第10章 搭建模型防護罩
10 1 故障應對舉措
10 1 1 檢查輸入和輸出
10 1 2 模型後盾
10 2 模型性能提高舉措
10 2 1 擴展模型，服務多用戶
10 2 2 模型和數據生命周期管理
10 2 3 數據處理和有向無環圖
10 3 尋求用戶反饋
10 4 Chris Moody：賦予數據科學家部署模型的力量
10 5 小結
第11章 監控和更新模型
11 1 監控可拯救系統
11 1 1 監控告知刷新率
11 1 2 監控模型，檢測濫用行為
11 2 選擇監控內容
11 2 1 性能指標
11 2 2 業務指標
11 3 機器學習系統的持續集成和交付
11 3 1 A/B測試和實驗
11 3 2 其他方法
11 4 小結

詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。