作者：(美)瓦利阿帕·拉克什曼南//萨拉·罗宾
页数：376
出版社：东南大学出版社
出版日期：2022
ISBN：9787564196776
电子书格式：pdf/epub/txt
内容简介
识别和减轻在训练、评估以及部署机器学习模型时的常见挑战
为不同类型的机器学习模型表示数据，包括嵌入、特征交叉等
针对具体问题选择合适的模型类型
使用检查点、分发策略和超参数优化，建立一个鲁棒的训练循环
部署可扩展的机器学习系统，通过它你可以再训练和更新以反映新的数据
为用户解释模型的预测结果，确保模型公平地对待用户
提高模型的准确性、可复现性和弹性
作者简介
Valliappa（Lak）Lakshmanan是谷歌云数据分析和人工智能解决方案的全球负责人。 Sara Robinson是谷歌云团队的开发者和倡导者，专注于机器学习。Michael Munn是谷歌的机器学习解决方案工程师，他帮助客户设计、实现和部署机器学习模型。
本书特色
本书介绍了：
?? 识别和减轻在训练、评估以及部署机器学习模型时的常见挑战
?? 为不同类型的机器学习模型表示数据，包括嵌入、特征交叉等
?? 针对具体问题选择合适的模型类型
?? 使用检查点、分发策略和超参数优化，建立一个鲁棒的训练循环
?? 部署可扩展的机器学习系统，通过它你可以再训练和更新以反映新的数据
?? 为用户解释模型的预测结果，确保模型公平地对待用户
?? 提高模型的准确性、可复现性和弹性
目录
前言
第1章机器学习设计模式的需求
什么是设计模式?
如何使用这本书
机器学习术语.
机器学习中的常见挑战
总结.
第⒉章数据表示设计模式 简单数据表示…
设计模式l:哈希特征
设计模式2:嵌入
设计模式3:特征交叉
设计模式4 :多模态输入..
总结.
第3章问题表示设计模式
.设计模式5:重构
设计模式6:多标签
设计模式7:集成
设计模式8:级联…
设计模式9:中立类..
设计模式10:再平衡..
总结
第4章模型训练模式
典型训练循环
设计模式11:有用的过拟合
设计模式12:检查点
设计模式13:迁移学习
设计模式14:分布式策略.
设计模式15:超参数调优
第5章具有弹 的设计模式
设计模式16:无状态服务函数
设计模式17:批处理服务
设计模式18:持续的模型评估.
设计模式19:两阶段预测
设计模式20:带键值预测
第6章可复现设计模式
.设计模式21:变换
设计模式22:可重复拆分-.
设计模式23:桥接模式
设计模式24:窗口推理
设计模式25:工作流管道
设计模式26:特征仓库
设计模式27:模型版本控制
总结
第7章负责任的人工智能
设计模式28:启发式基准
设计模式29:可解释预测
设计模式30:公平性透镜
总结.
第8章连接模式
模式参考
交互模式
机器学习项目中的诰
按用例和数据类型划分的常用模式
第1章机器学习设计模式的需求
什么是设计模式?
如何使用这本书
机器学习术语.
机器学习中的常见挑战
总结.
第⒉章数据表示设计模式 简单数据表示…
设计模式l:哈希特征
设计模式2:嵌入
设计模式3:特征交叉
设计模式4 :多模态输入..
总结.
第3章问题表示设计模式
.设计模式5:重构
设计模式6:多标签
设计模式7:集成
设计模式8:级联…
设计模式9:中立类..
设计模式10:再平衡..
总结
第4章模型训练模式
典型训练循环
设计模式11:有用的过拟合
设计模式12:检查点
设计模式13:迁移学习
设计模式14:分布式策略.
设计模式15:超参数调优
第5章具有弹 的设计模式
设计模式16:无状态服务函数
设计模式17:批处理服务
设计模式18:持续的模型评估.
设计模式19:两阶段预测
设计模式20:带键值预测
第6章可复现设计模式
.设计模式21:变换
设计模式22:可重复拆分-.
设计模式23:桥接模式
设计模式24:窗口推理
设计模式25:工作流管道
设计模式26:特征仓库
设计模式27:模型版本控制
总结
第7章负责任的人工智能
设计模式28:启发式基准
设计模式29:可解释预测
设计模式30:公平性透镜
总结.
第8章连接模式
模式参考
交互模式
机器学习项目中的诰
按用例和数据类型划分的常用模式
