章節說明:前言
第一章 為何需要機器學習設計模式
第二章 資料表示
第三章 問題表示
第四章 模型訓練
第五章 提供具復原力的服務
第六章 再現性
第七章 Responsible AI
第八章 連接模式
索引
購物比價 | 找書網 | 找車網 |
FindBook |
有 7 項符合
機器學習設計模式的圖書 |
機器學習設計模式 作者:Valliappa Lakshmanan、Sara Robinson、Michael Munn / 譯者:賴屹民 出版社:歐萊禮 出版日期:2021-05-26 語言:繁體書 |
圖書選購 |
型式 | 價格 | 供應商 | 所屬目錄 | 二手書 |
$ 452 |
TAAZE 讀冊生活 |
二手中文書 |
$ 537 |
金石堂 |
創客/人工智慧 |
$ 537 |
蝦皮商城 |
Computers & Technology |
$ 612 |
誠品網路書店 |
電腦資訊總論 |
$ 612 |
五南文化廣場網路書店 |
科學科普 |
$ 646 |
TAAZE 讀冊生活 |
中文書 |
$ 646 |
蝦皮商城 |
Computers & Technology |
---|
圖書館借閱 |
國家圖書館 | 全國圖書書目資訊網 | 國立公共資訊圖書館 | 電子書服務平台 | MetaCat 跨館整合查詢 |
臺北市立圖書館 | 新北市立圖書館 | 基隆市公共圖書館 | 桃園市立圖書館 | 新竹縣公共圖書館 |
苗栗縣立圖書館 | 臺中市立圖書館 | 彰化縣公共圖書館 | 南投縣文化局 | 雲林縣公共圖書館 |
嘉義縣圖書館 | 臺南市立圖書館 | 高雄市立圖書館 | 屏東縣公共圖書館 | 宜蘭縣公共圖書館 |
花蓮縣文化局 | 臺東縣文化處 |
|
內容簡介:資料準備、模型建構與MLOps常見挑戰的解決方案
「本書提供了豐富的範例,如果你是資料科學家或ML工程師,而且想要了解如何使用行之有效的解決方案來處理複雜的ML問題,你一定要看這本書。」
—David Kanter
ML Commons執行長
「如果你想在建構ML解決方案的過程中減少傷害、碰撞和磨擦,Lak、Sara和Michael可以在背後支持你。」
—Will Grannis
Google Cloud CTO Office常務董事
本書的設計模式介紹常見的機器學習最佳實踐法和解決方案。作者是三位Google工程師,他們整理了一些經過驗證的方法,協助資料科學家匯整ML程序中常見的問題,用這些設計模式來將數百位專家的經驗整理成直觀、平易近人的建議。
這本書詳細地解釋30種模式,介紹資料和問題的表示法、作業化、可重複性、再現性、靈活性、可解釋性和公平性,每一種模式都包含問題描述、各種可能的解決方案,以及視情況選擇最佳技術的建議。
你將學會:
‧在訓練、評估和部署ML模型時,認出常見的挑戰並處理它們
‧表示各種ML模型的資料,包括embedding、feature cross(特徵交叉)等
‧為具體的問題選擇適合的模型
‧使用檢查點、發布策略和超參數調整來建立穩健的訓練循環
‧部署可擴展的ML系統,以便用新資料來進行重新訓練和更新
‧向關係人解釋模型為何做出那些預測,以確保模型公平地對待用戶
‧提高模型的準確性、再現性和復原力
|