机器学习测试入门与实践

本书全面且系统地介绍了机器学习测试技术与质量体系建设，分为5部分，共15章。*部分（第1～4章）涵盖了机器学习、Python编程、数据分析的基础知识；第二部分（第5～7章）介绍了大数据基础、大数据测试指南及相关工具实践；第三部分（第8～10章）讲解了机器学习测试基础、特征专项测试及模型算法评估测试；第四部分（第11～13章）介绍了模型评估平台实践、机器学习工程技术及机器学习的持续交付流程；第五部分（第14章和第15章）探讨了AI（Artificial Intelligence）在测试领域的实践及AI时代测试工程师的未来。 本书能够帮助读者了解机器学习是如何工作的，了解机器学习的质量保障是如何进行的。工程开发人员和测试工程师通过阅读本书，可以系统化地了解大数据测试、特征测试及模型评估等知识；算法工程师通过阅读本书，可以学习模型评测的方法和拓宽模型工程实践的思路；技术专家和技术管理者通过阅读本书，可以了解机器学习质量保障与工程效能的建设方案。

艾辉，中国人民大学统计学院硕士，融 360 高 级技术经理。主要负责机器学习产品的质量保障工作，曾在饿了么公司担任高 级技术经理，负责用户产品、新零售产品的质量保障工作。有 8 年多的测试开发工作经验，曾多次受邀在行业技术大会（ 如 MTSC、GITC、NCTS、TiD、A2M 等）上做主题分享。对大数据、机器学习测试技术有深刻的理解，并长期专注于质量保障与工程效能研究。 陈高飞，东北大学计算机硕士，融 360 测试开发工程师。主要从事机器学习方面的测试开发工作。擅长白盒测试、大数据测试和模型测试，在工具平台开发方面有丰富的实践经验。 陈花，北京邮电大学信息通信工程学院硕士，融 360 高 级测试开发工程师。主要从事服务器端测试开发工作，主导过多个大型项目的测试。擅长白盒测试、安全测试、自动化测试及工具开发。 ? 方娟红，东北大学计算机硕士，融 360 测试开发工程师。主要从事服务器端测试开发工作。在企业级应用的测试和开发方面有着丰富的实践经验。 郭学敏，西安电子科技大学电子工程学院硕士，融 360 测试开发工程师。主要负责机器学习方面的测试开发工作，主导过多个大型项目的测试。擅长大数据测试、特征分析与模型评估，且在特征工程测试方面有着丰富的实践经验。 郝嵘，北京信息科技大学自动化学院硕士，融 360 测试开发工程师。从事 Python 开发、机器学习测试、大数据测试工作多年，在大数据的质量保障及测试工具开发方面有着丰富的实践经验。 雷天鸣，哈尔滨理工大学计算机科学与技术系硕士，融 360 测试开发工程师。主要从事机器学习方向的测试开发工作。擅长大数据测试、特征测试及模型算法评测等，且对金融风控业务有深刻的理解。 李曼曼，融 360 高级测试开发工程师。有近 10 年测试领域从业经验， 擅长白盒测试、性能测试、自动化测试、持续集成及工程效能。在 AI 测试方面有一定的探索实践。 李雪，西安电子科技大学通信工程硕士，融 360 测试开发工程师。主要从事平台及机器学习方面的测试开发工作。擅长自动化测试、性能测试及安全测试，且对特征测试分析有着丰富的实践经验。 孙金娟，山西财经大学计算机科学与技术专业学士，融 360 测试开发工程师。有近 8 年 Java 开发、测试开发工作经验，擅长大数据测试及工具平台开发。 张海霞，中国人民大学统计学院硕士，融 360 高级测试开发工程师。有近 7 年测试领域从业经验，擅长白盒测试、性能测试及自动化测试。在测试平台开发方面有着丰富的实践经验，且对数据挖掘技术有扎实的实践积累。 张咪，北京交通大学通信学院硕士，融 360 高级测试开发工程师。主要负责用户产品的质量保障工作。曾负责基础架构、运维自动化等方面的测试、开发工作。在自动化测试、服务稳定性、专项测试、工程效能等方面有着丰富的实践经验，且对机器学习工程技术有深刻的理解。 张朋周，中国地质大学计算机硕士，融 360 高级测试开发工程师。曾在RAISECOM 和百度从事测试开发工作，有近 8 年的测试工作经验。目前主要负责机器学习方面的测试开发工作，主导了多个工具平台的开发，在模型评估平台方面有着丰富的实践经验。

机器学习测试不仅涵盖了传统测试人员关注的系统稳定性、功能正确性、吞吐量等问题， 而且需要覆盖算法工程师关心的数据的准确性、模型精度、模型的线下计算和线上计算一致性等问题。本书介绍了作者在机器学习测试方面的实战技术，非常适合对机器学习测试感兴趣的读者阅读。 ——邹宇，携程大数据与 AI 应用研发部负责人、VP 本书内容丰富、案例翔实，不仅阐述了数据分析、机器学习、大数据等基础知识，还对模型算法评估、特征测试分析、模型工程平台等做了原理讲解和案例分析。本书通俗易懂，具有很强的实用性，非常

1.不同于市面上的机器学习书籍，本书是业界第1本AI测试著作，填补了机器学习测试领域的空白； 2.本书由知名技术专家艾辉领衔融360AI测试团队12位一线工程师联手倾心打造，耗时一年多时间； 3.精选15个AI测试要点，从零开始，全面了解机器学习测试； 4.涵盖5个技术主题，大数据、模型算法、模型评测、工程架构、智能化测试； 5.BAT等数十家一线互联网公司的32位知名专家联袂推荐； 6.本书内容设计深入浅出，学习路线清晰，帮助读者了解机器学习是如何工作的，了解机器学习的质量保障是如何进行的； 7.全彩印刷。