機器學習項目交付實戰 9787302637424 (美)本.威爾遜 (Ben Wilson)著 李曉峰
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：清華大學
物品所在地：中國大陸
原出版社：清華大學
NT$814
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *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：202307*若逾兩年請先於私訊洽詢存貨情況，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：機器學習項目交付實戰 ISBN：9787302637424 出版社：清華大學 著編譯者：(美)本.威爾遜 (Ben Wilson)著 李曉峰 頁數：465 所在地：中國大陸 *此為代購商品 書號：1557247 可大量預訂，請先連絡。 內容簡介 《機器學習項目交付實戰》將介紹如何從模型和數據中獲取最佳性能，幫助你構建穩定的數據管道。通過高效的可復用技術集合，來確保應用程序工作流程的順利執行，以及提高模型的可維護性。基於數十年的良好軟體工程實踐，機器學習工程可確保你的機器學習系統具有彈性、適應性和可執行性。 《機器學習項目交付實戰》將介紹設計、構建和交付成功的機器學習項目的核心原則和上佳實踐。你將了解很多軟體工程技術，例如對原型進行實驗和實施模塊化設計，從而產生彈性架構和一致的跨團隊溝通。基於作者豐富的經驗，本書中的每一種方法都被成功地用於解決現實世界中的問題。作者簡介 本·威爾遜（Ben Wilson）是一名機器學習工程師，曾擔任過核工程技術員、半導體工藝工程師和數據科學家。十多年來，他一直在解決數據和開源工具方面的問題，在過去的4年裡他幫助其他人完成相同的工作。他喜歡構建機器學習框架代碼，幫助人們思考有挑戰性的數據科學問題，並喜歡開懷大笑。目錄 第Ⅰ部分 機器學習工程簡介第1章 什麼是機器學習工程 1 1 為什麼使用機器學習工程 1 2 機器學習工程的核心原則 1 2 1 規劃 1 2 2 範圍界定和研究 1 2 3 實驗 1 2 4 研發 1 2 5 部署 1 2 6 評估 1 3 機器學習工程的目標 1 4 本章小結 第2章 數據科學工程 2 1 用提高項目成功率的過程增強複雜的專業 2 2 簡單的基礎 2 3 敏捷軟體工程的工作原則 2 3 1 溝通與合作 2 3 2 擁抱並期待改變 2 4 機器學習工程的基礎 2 5 本章小結 第3章 在建模之前：規劃和確定項目範圍 3 1 規劃：你要我預測什麼 3 1 1 項目的基本規劃 3 1 2 首次會議 3 1 3 規劃演示——進行大量演示 3 1 4 通過解決方案構建進行實驗：磨刀不誤砍柴工 3 2 實驗範圍：設定預期和界限 3 2 1 什麼是實驗範圍 3 2 2 機器學習團隊的實驗範圍：研究 3 2 3 機器學習團隊的實驗範圍：實驗 3 3 本章小結 第4章 建模之前：項目的溝通與邏輯 4 1 溝通：定義問題 4 1 1 理解問題 4 1 2 設置嚴格的討論界限 4 2 不要浪費時間：與跨職能團隊交流 4 2 1 實驗變更會議：我們知道自己在做什麼嗎 4 2 2 SME 評審/原型評審：我們能解決這個問題嗎 4 2 3 開發進度評審：這會奏效嗎 4 2 4 MVP評審：是否生成了我們要求的內容 4 2 5 預投產評審：我們真希望沒有搞砸 4 3 為實驗設定限制 4 3 1 設置時限 4 3 2 可以投入生產嗎？你想維護它嗎 4 3 3 機器學習項目的TDD、RDD、PDD和CDD 4 4 為混亂的業務規則做計劃 4 4 1 通過計劃「擁抱混亂」 4 4 2 「人機迴環」設計 4 4 3 你的備選方案是什麼 4 5 對結果進行討論 4 6 本章小結 第5章 進行實驗：規劃和研究機器學習項目 5 1 設計實驗 5 1 1 進行基礎的研究和規劃 5 1 2 扔掉博客——仔細閱讀API文檔 5 1 3 抽籤決定內部黑客馬拉松 5 1 4 公平競爭環境 5 2 執行實驗準備工作 5 2 1 執行數據分析 5 2 2 從腳本轉向可重用代碼 5 2 3 為實驗構建可重用代碼的最後說明 5 3 本章小結 第6章 進行實驗：測試與評估 6 1 測試想法 6 1 1 在代碼中設置準則 6 1 2 運行快速預測測試 6 2 減少可能性 6 2 1 正確評估原型 6 2 2 決定前進的方向 6 2 3 接下來做什麼 6 3 本章小結 第7章 實踐實驗：從原型到MVP 7 1 調整：自動化那些惱人的過程 7 1 1 調優選項 7 1 2 Hyperopt入門 7 1 3 使用Hyperopt調優複雜的預測問題 7 2 為平台和團隊選擇合適的技術 7 2 1 使用Spark的理由 7 2 2 用SparkTrials處理來自Driver的調優 7 2 3 用pandas_udf處理來自Worker的調優 7 2 4 為團隊使用新範式：平台和技術 7 3 本章小結 第8章 動手實戰：使用MLflow和運行時優化實現MVP 8 1 日誌記錄：代碼、指標和結果 8 1 1 MLflow跟蹤 8 1 2 不要通過列印記錄日誌 8 1 3 版本控制、分支策略和與他人合作 8 2 可伸縮性和併發性 8 2 1 什麼是併發 8 2 2 哪些內容可以（或不可以）非同步運行 8 3 本章小結 第Ⅱ部分 為投產做準備：創建可維護的機器學習項目 第9章 機器學習中的模塊化：編寫可測試且易讀的代碼 9 1 單片腳本及其缺點 9 1 1 「巨石」是如何形成的 9 1 2 文本牆 9 1 3 單片腳本的注意事項 9 2 調試文本牆 9 3 對機器學習代碼進行模塊化設計 9 4 機器學習的測試驅動開發 9 5 本章小結 第10章 編碼標準和創建可維護的機器學習代碼 10 1 機器學習的代碼異味 10 2 命名、結構和代碼體繫結構 10 2 1 命名約定和結構 10 2 2 別耍小聰明 10 2 3 代碼體繫結構 10 3 元組解包和可維護的替代方案 10 3 1 元組解包示例 10 3 2 元組解包的可靠替代方案 10 4 對問題視而不見：「飲食異常」和其他不良做法 10 4 1 精準使用try/catch 10 4 2 精心設計的異常處理 10 4 3 正確處理錯誤 10 5 使用全局可變對象 10 5 1 易變性會如何傷害你 10 5 2 封裝以防止可變性帶來的副作用 10 6 過多的嵌套的邏輯 10 7 本章小結 第11章 模型測量及其重要性 11 1 測量模型歸因 11 1 1 測量預測性能 11 1 2 明確相關性與因果關係 11 2 利用A/B檢驗進行歸因計算 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PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
