機器學習項目成功交付 西蒙.湯普森 9787302668589 【台灣高等教育出版社】
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$566
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：202408*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：機器學習項目成功交付 ISBN：9787302668589 出版社：清華大學 著編譯者：西蒙.湯普森 頁數：243 所在地：中國大陸 *此為代購商品 書號：1681189 可大量預訂，請先連絡。 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，使用機器學習技術製作實用模型，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。作者簡介 西蒙·湯普森（Simon Thompson），擁有25年的開發人工智慧系統的經驗（雖然使用的並不都是機器學習技術）。他領導了英國電信（BT）實驗室的人工智慧研究項目，幫助該公司開拓了大數據技術，並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、深度網路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路、客戶服務和業務流程的深入見解。目錄 第1章 引言：交付機器學習項目很困難，讓我們做得更好1 1 機器學習的定義 1 2 機器學習很重要 1 3 其他機器學習方法 1 4 理解本書內容 1 5 案例研究：The Bike Shop 1 6 小結 第2章 項目前期：從機會到需求 2 1 項目前期待辦事項 2 2 項目管理基礎設施 2 3 項目需求 2 3 1 投資模式 2 3 2 業務需求 2 4 數據 2 5 安全與隱私 2 6 企業責任、監管和道德考慮 2 7 開發架構及流程 2 7 1 開發環境 2 7 2 生產架構 2 8 小結 第3章 項目前期：從需求到提案 3 1 建立項目假設 3 2 創建項目估計 3 2 1 時間和精力估計 3 2 2 機器學習項目的團隊設計 3 2 3 項目風險 3 3 售前/項目前期管理 3 4 項目前期/售前清單 3 5 The Bike Shop預售 3 6 有關項目前期的後記 3 7 小結 第4章 開始工作 4 1 Sprint 0待辦事項 4 2 最終確定團隊設計和資源配置 4 3 工作方式 4 3 1 流程與結構 4 3 2 心跳和溝通方案 4 3 3 工具 4 3 4 標準和實踐 4 3 5 文檔 4 4 基礎設施計劃 4 4 1 系統訪問 4 4 2 技術基礎設施評估 4 5 數據故事 4 5 1 數據收集動機 4 5 2 數據收集機制 4 5 3 數據沿襲 4 5 4 事件 4 6 隱私、安全和道德計劃 4 7 項目路線圖 4 8 Sprint 0清單 4 9 The Bike Shop：項目設置 4 10 小結 第5章 深入研究問題 5 1 Sprint1待辦事項 5 2 理解數據 5 2 1 數據調查 5 2 2 調查數值數據 5 2 3 調查分類數據 5 2 4 調查非結構化數據 5 2 5 報告和使用調查結果 5 3 業務問題細化、用戶體驗和應用程序設計 5 4 構建數據管道 5 4 1 數據融合問題 5 4 2 管道叢林 5 4 3 數據測試 5 5 模型存儲庫和模型版本控制 5 5 1 特徵、基礎模型和訓練機制 5 5 2 版本控制概述 5 6 小結 第6章 探索性數據分析、道德和基線評估 6 1 探索性數據分析 6 1 1 探索性數據分析的目標 6 1 2 匯總和描述數據 6 1 3 繪圖和可視化 6 1 4 非結構化數據 6 2 道德檢查點 6 3 基線模型和性能 6 4 出現問題時的解決方案 6 5 預建模檢查表 6 6 The Bike Shop：預建模 6 6 1 數據調查結束后 6 6 2 探索性數據分析實現 6 7 小結 第7章 使用機器學習技術製作實用模型 7 1 Sprint 2待辦事項 7 2 特徵工程和數據增強 7 2 1 特徵工程的基礎概念 7 2 2 創建新特徵 7 2 3 數據增強 7 3 模型設計 7 3 1 設計的外力 7 3 2 總體設計 7 3 3 選擇組件模型 7 3 4 歸納偏差 7 3 5 多個不相交模型 7 3 6 模型組合 7 4 使用機器學習技術製作模型 7 4 1 建模過程 7 4 2 實驗跟蹤和模型存儲庫 7 4 3 AutoML和模型搜索 7 5 警惕「臭」模型 7 6 小結 第8章 測試和選擇模型 8 1 測試和選擇模型的原因 8 2 測試流程 8 2 1 離線測試 8 2 2 離線測試環境 8 2 3 在線測試 8 2 4 現場試驗 8 2 5 A/B測試 8 2 6 多臂老虎機 8 2 7 非功能測試 8 3 選擇模型 8 3 1 定量選擇 8 3 2 通過可比測試進行選擇 8 3 3 通過多次測試進行選擇 8 3 4 定性選擇指標 8 4 建模后檢查表 8 5 The Bike Shop：Sprint 2 8 6 小結 第9章 Sprint 3：系統構建和生產 9 1 Sprint 3待辦事項 9 2 機器學習實現的類型 9 2 1 輔助系統 9 2 2 委託系統 9 2 3 自治系統 9 3 非功能審查 9 4 實現生產系統 9 4 1 生產數據基礎設施 9 4 2 模型伺服器和推理服務 9 4 3 用戶介面設計 9 5 記錄、監控、管理、反饋和文檔 9 5 1 模型治理 9 5 2 文檔 9 6 發布前測試 9 7 道德審查 9 8 投入生產 9 9 曲終人不散 9 10 The Bike Shop Sprint 3 9 11 小結 第10章 發布項目 10 1 SprintΩ待辦事項 10 2 投入生產並不意味著萬事大吉 10 2 1 直面問題和釐清責任 10 2 2 機器學習的技術債務 10 2 3 模型漂移 10 2 4 再訓練 10 2 5 緊急情況 10 2 6 問題調查 10 3 團隊項目后評審 10 4 改進實踐 10 5 新技術的採用 10 6 案例研究 10 7 再見，祝你好運 10 8 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PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
