机器学习设计模式
全新正版 极速发货
￥ 74.19 5.8折 ￥ 128 全新
库存2件
广东广州
认证卖家担保交易快速发货售后保障
作者(美)瓦利阿帕·拉克什曼南//萨拉·罗宾逊//迈克尔·穆恩
出版社东南大学出版社
ISBN9787564196776
出版时间2022-09
装帧其他
开本16开
定价128元
货号31510801
上书时间2024-06-05
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
瓦利阿帕·拉克什曼南是Google云计算平台专家服务部门的技术主管。他希望将机器学习普及化，让任何人、从任何地方，在无需深入了解统计学、编程知识，也无需购买大量硬件的情况下使用Google云平台提供的很好架构。
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章具有弹性服务的设计模式
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
内容摘要
·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
精彩内容
如何使用这本书这是我们在多个团队的实践中观察到的模式目录。在某些情况下，基本概念已经被广泛周知很多年了。我们并不声称自己发明或发现了这些模式:相反，我们希望为ML从业人员提供一个通用的参考框架和工具集。如果在你和你的团队讨论ML项目中的概念时，这本书提供了一个直观的可供参考的词汇表，那么就可以说我们取得了成功。
我们不希望你按顺序阅读这本书(尽管你可以!);相反，我们希望你能浏览本书内容，然后更深人地阅读感兴趣的章节，在与同事的讨论中参考某些想法，并在遇到相关问题时重新阅读本书。如果你打算略读，我们建议先看第1章和第8章，然后再进入各个模式的学习。
每个模式都有一个简短的问题陈述、一个规范的解决方案、个关于该解决方案为何有效的解释以及关于权衡和替代方案的多部分讨论。我们建议你在牢记标准解决方案的情况下阅读讨论部分，以便进行比较和对比。模式描述将包括从规范解决方案的实现中摘录的代码段。完整代码可在我们的GitHub存储库（https://github.com/GoogleCloudPlatform/mldesignpatterns)中找到。我们强烈建议你在阅读模式描述时仔细阅读代码。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价