科技 类型
可以朗读 语音朗读
194千字 字数
2021-11-01 发行日期
展开全部

主编推荐语

机器学习入门手册《机器学习精讲》姊妹篇，人工智能和机器学习领域专业人士的多年实践结晶，深入浅出讲解机器学习应用和工程实践。

内容简介

本书是人工智能和机器学习领域专业多年实践的结晶，深入浅出讲解机器学习应用和工程实践，是对机器学习工程实践和设计模式的系统回顾。全书分别从项目前的准备，数据收集和准备，特征工程，监督模型训练，模型评估，模型服务、监测和维护等方面讲解，由浅入深剖析机器学习实践过程中遇到的问题，帮助读者快速掌握机器学习工程实践和设计模式的基本原理与方法。

本书内容安排合理，架构清晰，理论与实践相结合，适合想要从事机器学习项目的数据分析师、机器学习工程师以及机器学习相关专业的学生阅读，也可供需要处理模型的软件架构师参考。

目录

  • 版权信息
  • 内容提要
  • 序
  • 前言
  • 资源与支持
  • 第1章 概述
  • 1.1 符号和定义
  • 1.1.1 数据结构
  • 1.1.2 大写西格玛记法
  • 1.2 什么是机器学习
  • 1.2.1 监督学习
  • 1.2.2 无监督学习
  • 1.2.3 半监督学习
  • 1.2.4 强化学习
  • 1.3 数据和机器学习术语
  • 1.3.1 直接和间接使用的数据
  • 1.3.2 原始数据和规整数据
  • 1.3.3 训练集和留出集
  • 1.3.4 基线
  • 1.3.5 机器学习流水线
  • 1.3.6 参数与超参数
  • 1.3.7 分类与回归
  • 1.3.8 基于模型学习与基于实例学习
  • 1.3.9 浅层学习与深度学习的比较
  • 1.3.10 训练与评分
  • 1.4 何时使用机器学习
  • 1.4.1 如果问题太复杂，无法进行编程
  • 1.4.2 如果问题不断变化
  • 1.4.3 如果它是一个感知问题
  • 1.4.4 如果它是一种未曾研究过的现象
  • 1.4.5 如果问题的目标简单
  • 1.4.6 如果它有成本效益
  • 1.5 何时不使用机器学习
  • 1.6 什么是机器学习工程
  • 1.7 机器学习项目生命周期
  • 1.8 小结
  • 第2章 项目开始前
  • 2.1 机器学习项目的优先级排序
  • 2.1.1 机器学习的影响
  • 2.1.2 机器学习的成本
  • 2.2 估计机器学习项目的复杂度
  • 2.2.1 未知因素
  • 2.2.2 简化问题
  • 2.2.3 非线性进展
  • 2.3 确定机器学习项目的目标
  • 2.3.1 模型能做什么
  • 2.3.2 成功模型的属性
  • 2.4 构建机器学习团队
  • 2.4.1 两种文化
  • 2.4.2 机器学习团队的成员
  • 2.5 机器学习项目为何失败
  • 2.5.1 缺乏有经验的人才
  • 2.5.2 缺乏领导层的支持
  • 2.5.3 数据基础设施缺失
  • 2.5.4 数据标签的挑战
  • 2.5.5 谷仓式组织和缺乏协作
  • 2.5.6 技术上不可行的项目
  • 2.5.7 技术团队和业务团队之间缺乏协调
  • 2.6 小结
  • 第3章 数据收集和准备
  • 3.1 关于数据的问题
  • 3.1.1 数据是否可获得
  • 3.1.2 数据是否相当大
  • 3.1.3 数据是否可用
  • 3.1.4 数据是否可理解
  • 3.1.5 数据是否可靠
  • 3.2 数据的常见问题
  • 3.2.1 高成本
  • 3.2.2 质量差
  • 3.2.3 噪声
  • 3.2.4 偏差
  • 偏差的类型
  • 避免偏差的方法
  • 3.2.5 预测能力低
  • 3.2.6 过时的样本
  • 3.2.7 离群值
  • 3.2.8 数据泄露
  • 3.3 什么是好数据
  • 3.3.1 好数据是有信息的
  • 3.3.2 好数据有好的覆盖面
  • 3.3.3 好数据反映真实的输入
  • 3.3.4 好数据没有偏差
  • 3.3.5 好数据不是反馈环路的结果
  • 3.3.6 好数据有一致的标签
  • 3.3.7 好数据足够大
  • 3.3.8 好数据总结
  • 3.4 处理交互数据
  • 3.5 数据泄露的原因
  • 3.5.1 目标是一个特征的函数
  • 3.5.2 特征隐藏目标
  • 3.5.3 特征来自未来
  • 3.6 数据划分
  • 3.7 处理缺失的属性
  • 3.7.1 数据填补技术
  • 3.7.2 填补过程中的泄露问题
  • 3.8 数据增强
  • 3.8.1 图像的数据增强
  • 3.8.2 文本的数据增强
  • 3.9 处理不平衡的数据
  • 3.9.1 过采样
  • 3.9.2 欠采样
  • 3.9.3 混合策略
  • 3.10 数据采样策略
  • 3.10.1 简单随机采样
  • 3.10.2 系统采样
  • 3.10.3 分层采样
  • 3.11 存储数据
  • 3.11.1 数据格式
  • 3.11.2 数据存储级别
  • 3.11.3 数据版本化
  • 3.11.4 文档和元数据
  • 3.11.5 数据生命周期
  • 3.12 数据处理最佳实践
  • 3.12.1 可重复性
  • 3.12.2 数据第一，算法第二
  • 3.13 小结
  • 第4章 特征工程
  • 4.1 为什么要进行特征工程
  • 4.2 如何进行特征工程
  • 4.2.1 文本的特征工程
  • 4.2.2 为什么词袋有用
  • 4.2.3 将分类特征转换为数字
  • 4.2.4 特征哈希
  • 4.2.5 主题建模
  • 4.2.6 时间序列的特征
  • 4.2.7 发挥你的创造力
  • 4.3 叠加特征
  • 4.3.1 叠加特征向量
  • 4.3.2 叠加单个特征
  • 4.4 好特征的属性
  • 4.4.1 高预测能力
  • 4.4.2 快速计算能力
  • 4.4.3 可靠性
  • 4.4.4 不相关
  • 4.4.5 其他属性
  • 4.5 特征选择
  • 4.5.1 切除长尾
  • 4.5.2 Boruta
  • 4.5.3 L1正则化
  • 4.5.4 特定任务的特征选择
  • 4.6 合成特征
  • 4.6.1 特征离散化
  • 4.6.2 从关系数据中合成特征
  • 4.6.3 通过数据合成特征
  • 4.6.4 通过其他特征合成特征
  • 4.7 从数据中学习特征
  • 4.7.1 单词嵌入
  • 4.7.2 文档嵌入
  • 4.7.3 任何东西的嵌入
  • 4.7.4 选择嵌入维度
  • 4.8 降维
  • 4.8.1 用PCA快速降维
  • 4.8.2 用于可视化的降维
  • 4.9 缩放特征
  • 4.9.1 归一化
  • 4.9.2 标准化
  • 4.10 特征工程中的数据泄露问题
  • 4.10.1 可能出现的问题
  • 4.10.2 解决方案
  • 4.11 存储特征和编写文档
  • 4.11.1 模式文件
  • 4.11.2 特征商店
  • 特征没有复用
  • 特征定义各不相同
  • 计算密集型特征
  • 训练和服务之间的不一致
  • 特征到期时间未知
  • 4.12 特征工程最佳实践
  • 4.12.1 生成许多简单的特征
  • 4.12.2 复用遗留系统
  • 4.12.3 在需要时使用ID作为特征
  • 4.12.4 但在可能时要减少基数
  • 将相似的值分组
  • 将长尾分组
  • 删除特征
  • 4.12.5 谨慎使用计数
  • 4.12.6 必要时进行特征选择
  • 4.12.7 认真测试代码
  • 4.12.8 保持代码、模型和数据的同步性
  • 4.12.9 隔离特征提取代码
  • 4.12.10 将模型和特征提取器序列化在一起
  • 4.12.11 记录特征的值
  • 4.13 小结
  • 第5章 监督模型训练（第一部分）
  • 5.1 开始模型工作之前
  • 5.1.1 验证模式一致性
  • 5.1.2 定义可实现的表现水平
  • 5.1.3 选择表现指标
  • 5.1.4 选择正确的基线
  • 5.1.5 将数据分成三个集
  • 5.1.6 监督学习的前提条件
  • 5.2 为机器学习表示标签
  • 5.2.1 多类分类
  • 5.2.2 多标签分类
  • 5.3 选择学习算法
  • 5.3.1 学习算法的主要属性
  • 可解释性
  • 内存与外存的比较
  • 特征和样本的数量
  • 数据的非线性
  • 训练速度
  • 5.3.2 算法抽查
  • 5.4 建立流水线
  • 5.5 评估模型表现
  • 5.5.1 回归的表现指标
  • 5.5.2 分类的表现指标
  • 5.5.3 排名的表现指标
  • 5.6 超参数调整
  • 5.6.1 网格搜索
  • 5.6.2 随机搜索
  • 5.6.3 由粗到精搜索
  • 5.6.4 其他技术
  • 5.6.5 交叉验证
  • 5.7 浅层模型训练
  • 5.7.1 浅层模型训练策略
  • 5.7.2 保存和恢复模型
  • 5.8 偏差-方差折中
  • 5.8.1 欠拟合
  • 5.8.2 过拟合
  • 5.8.3 折中
  • 5.9 正则化
  • 5.9.1 L1和L2正则化
  • 5.9.2 其他形式的正则化
  • 5.10 小结
  • 第6章 监督模型训练（第二部分）
  • 6.1 深度模型训练策略
  • 6.1.1 神经网络训练策略
  • 6.1.2 表现指标和成本函数
  • 6.1.3 参数初始化策略
  • 6.1.4 优化算法
  • 函数和优化
  • 6.1.5 学习率衰减安排表
  • 6.1.6 正则化
  • 6.1.7 网络规模搜索和超参数调整
  • 6.1.8 处理多个输入
  • 6.1.9 处理多个输出
  • 6.1.10 迁移学习
  • 使用预训练的模型作为初始化器
  • 使用预训练的模型作为特征提取器
  • 6.2 堆叠模型
  • 6.2.1 集成学习的类型
  • 6.2.2 模型堆叠的一种算法
  • 6.2.3 模型堆叠中的数据泄露问题
  • 6.3 应对分布偏移
  • 6.3.1 分布偏移的类型
  • 6.3.2 对抗验证
  • 6.4 处理不平衡数据集
  • 6.4.1 类权重
  • 6.4.2 重采样数据集的集成
  • 6.4.3 其他技术
  • 6.5 模型校准
  • 6.5.1 良好校准的模型
  • 6.5.2 校准技术
  • 6.6 故障排除与误差分析
  • 6.6.1 模范行为不良的原因
  • 6.6.2 迭代模型的细化
  • 6.6.3 误差分析
  • 6.6.4 复杂系统的误差分析
  • 6.6.5 使用切片指标
  • 6.6.6 修复错误的标签
  • 6.6.7 寻找其他的样本来标记
  • 6.6.8 深度学习的故障排除
  • 6.7 最佳实践
  • 6.7.1 提供一个好模型
  • 6.7.2 信任流行的开源实现方式
  • 6.7.3 优化业务特定的表现指标
  • 6.7.4 从头开始升级
  • 6.7.5 避免修正级联
  • 6.7.6 谨慎使用模型级联
  • 6.7.7 编写高效的代码、编译和并行化
  • 6.7.8 对较新和较旧数据都进行测试
  • 6.7.9 更多的数据胜过更聪明的算法
  • 6.7.10 新数据胜过巧妙的特征
  • 6.7.11 拥抱微小进步
  • 6.7.12 促进可重复性
  • 6.8 小结
  • 第7章 模型评估
  • 7.1 离线和在线评估
  • 7.2 A/B测试
  • 7.2.1 G检验
  • 7.2.2 Z检验
  • 7.2.3 结语和警告
  • 7.3 多臂老虎机
  • 7.4 模型表现的统计界限
  • 7.4.1 分类误差的统计区间
  • 7.4.2 自举法统计区间
  • 7.4.3 回归的自举法预测区间
  • 7.5 评估测试集的充分性
  • 7.5.1 神经元覆盖率
  • 7.5.2 突变测试
  • 7.6 模型属性的评估
  • 7.6.1 健壮性
  • 7.6.2 公平性
  • 7.7 小结
  • 第8章 模型部署
  • 8.1 静态部署
  • 8.2 在用户设备上动态部署
  • 8.2.1 模型参数的部署
  • 8.2.2 序列化对象的部署
  • 8.2.3 部署到浏览器上
  • 8.2.4 优点和缺点
  • 8.3 在服务器上动态部署
  • 8.3.1 在虚拟机上部署
  • 8.3.2 在容器中部署
  • 8.3.3 无服务器部署
  • 8.3.4 模型流
  • 8.4 部署策略
  • 8.4.1 单一部署
  • 8.4.2 静默部署
  • 8.4.3 金丝雀部署
  • 8.4.4 多臂老虎机
  • 8.5 自动部署、版本管理和元数据
  • 8.5.1 模型附带资产
  • 8.5.2 版本同步
  • 8.5.3 模型版本元数据
  • 8.6 模型部署最佳实践
  • 8.6.1 算法效率
  • 8.6.2 深度模型的部署
  • 8.6.3 缓存
  • 8.6.4 模型和代码的交付格式
  • 8.6.5 从一个简单的模型开始
  • 8.6.6 对外测试
  • 8.7 小结
  • 第9章 模型服务、监测和维护
  • 9.1 模型服务运行时的属性
  • 9.1.1 安全性和正确性
  • 9.1.2 部署的方便性
  • 9.1.3 模型有效性的保证
  • 9.1.4 易于恢复
  • 9.1.5 避免训练/服务偏离
  • 9.1.6 避免隐藏反馈环路
  • 9.2 模型服务模式
  • 9.2.1 批量模式服务
  • 9.2.2 对人按需服务
  • 设备故障
  • 急诊室住院
  • 信用风险评估
  • 广告展示
  • 9.2.3 对机器按需服务
  • 9.3 现实世界中的模型服务
  • 9.3.1 为错误做好准备
  • 9.3.2 处理错误
  • 9.3.3 做好准备，应对变化
  • 9.3.4 做好准备，应对人性
  • 避免困惑
  • 管理预期
  • 获得信任
  • 管理用户疲劳
  • 小心潜变因子
  • 9.4 模型监测
  • 9.4.1 什么会出问题
  • 9.4.2 监测的内容和方法
  • 9.4.3 记录什么日志
  • 9.4.4 监测滥用情况
  • 9.5 模型维护
  • 9.5.1 何时更新
  • 9.5.2 如何更新
  • 9.6 小结
  • 第10章 结论
  • 10.1 学习收获
  • 10.2 后续阅读
  • 10.3 致谢
展开全部

评分及书评

评分不足
2个评分

出版方

人民邮电出版社

人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。