×
暂无评论
图文详情
  • ISBN:9787564196776
  • 装帧:一般纯质纸
  • 册数:暂无
  • 重量:暂无
  • 开本:16开
  • 页数:376
  • 出版时间:2022-09-01
  • 条形码:9787564196776 ; 978-7-5641-9677-6

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

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

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
展开全部

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。

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