×
暂无评论
图文详情
  • ISBN:9787302668565
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 开本:16开
  • 页数:352
  • 出版时间:2024-08-01
  • 条形码:9787302668565 ; 978-7-302-66856-5

本书特色

欢迎阅读《利用Python调试机器学习模型》,这是一本可以帮助你掌握机器学习技术的综合指南。本书旨在引导你了解机器学习的基本概念,并深入推进到掌握专家级模型开发的复杂技巧,确保你的学习旅程既富于教育意义,又具有实用价值。

内容简介

本书详细阐述了利用Python调试机器学习模型的基本解决方案,主要包括超越代码调试、机器学习生命周期、为实现负责任的人工智能而进行调试、检测机器学习模型中的性能和效率问题、提高机器学习模型的性能、机器学习建模中的可解释性和可理解性、减少偏差并实现公平性、使用测试驱动开发以控制风险、生产测试和调试、版本控制和可再现的机器学习建模、避免数据漂移和概念漂移、通过深度学习超越机器学习调试、高级深度学习技术、机器学习*新进展简介、相关性与因果关系、机器学习中的安全性和隐私、人机回圈机器学习等内容。此外,本书还提供了相应的示例、代码,以帮助读者进一步理解相关方案的实现过程。
本书可作为高等院校计算机及相关专业的教材和教学参考用书,也可作为相关开发人员的自学用书和参考手册。

目录

第1篇 机器学习建模的调试 第1章 代码调试 1.1 技术要求 1.2 机器学习概览 1.3 机器学习建模的类型 1.3.1 监督学习 1.3.2 无监督学习 1.3.3 自监督学习 1.3.4 半监督学习 1.3.5 强化学习 1.3.6 生成式机器学习 1.4 软件开发中的调试 1.4.1 Python中的错误消息 1.4.2 调试技巧 1.4.3 调试器 1.4.4 高质量Python编程的 实践 1.4.5 版本控制 1.4.6 Python之外的调试 1.5 用于建模的数据中的缺陷 1.5.1 数据格式和结构 1.5.2 数据数量和质量 1.5.3 数据偏差 1.6 以模型和预测为中心的调试 1.6.1 欠拟合和过拟合 1.6.2 模型测试和生产环境中的推理 1.6.3 用于改变全貌的数据或超参数 1.7 小结 1.8 思考题 1.9 参考文献 第2章 机器学习生命周期 2.1 技术要求 2.2 在开始建模之前需要了解的事项 2.3 数据收集 2.4 数据选择 2.5 数据探索 2.6 数据整理 2.6.1 结构化 2.6.2 充实和丰富 2.6.3 数据转换 2.6.4 数据清洗 2.7 建模数据准备 2.7.1 特征选择和提取 2.7.2 设计评估和测试策略 2.8 模型训练与评估 2.9 测试代码和模型 2.10 模型部署与监控 2.11 小结 2.12 思考题 2.13 参考文献 第3章 为实现负责任的人工智能而进行调试 3.1 技术要求 3.2 机器学习中的公正建模公平性 3.2.1 数据偏差 3.2.2 算法偏差 3.3 机器学习中的安全和隐私 3.3.1 数据隐私 …… 第2篇 改进机器学习模型 第3篇 低错误的机器学习开发与部署 第4篇 深度学习建模 第5篇 模型调试的 主题 附录A 思考题答案
展开全部

作者简介

阿里·马达尼(Ali Madani)曾任Cyclica公司的机器学习总监,该公司处于药物发现的人工智能技术开发前沿,之后被Recursion Pharmaceuticals收购。Ali在新公司继续专注于机器学习在药物发现中的应用。Ali在多伦多大学获得博士学位,专业方向是癌症研究任务中的机器学习建模。Ali还在加拿大滑铁卢大学获得数学硕士学位。 作为行业导向教育和知识民主化的信奉者,Ali积极通过基础和高级的高质量机器学习建模的国际研讨会和课程来教育学生和专业人士。在机器学习建模和教学之外的业余时间,Ali喜欢锻炼、烹任和与伴侣一起旅行。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航