|
|
|
「很多機器學習相關書籍都略過了最困難的部分：問題改善、模型除錯及為客戶部署；這本書聚焦於這些主題，您可以讓專案從構想轉化至產生影響。」 ──Alexander Gude （Intuit資料科學家）
本書旨在學習設計、建立及部署機器學習(ML)應用的必要技能。透過這本實作書籍的教學過程，您將打造一個從初步構想到部署產品的ML應用範例。無論您是資料科學家、軟體工程師及產品經理，或是經驗豐富的從事者和初學者，都將逐步學習在真實世界中建立ML應用所涉及的工具、最佳做法和挑戰。
作者Emmanuel Ameisen是一位經驗豐富的資料科學家，他領導了AI教育學程，並使用程式碼片段(code snippets)、圖解、螢幕截圖及企業領袖訪談來演示實際的機器學習概念。第一部分教您如何計畫ML應用和評估成功；第二部分說明如何建立可行的ML模型；第三部分演示改善模型的方法，直到符合您原先的規劃；第四部分介紹部署和監視的策略。
這本書將會幫助您：
．定義您的產品目標並建立ML問題
．快速建立您的第一個端對端管線並取得初始資料集
．訓練並評估您的ML模型及解決效能瓶頸
．在生產環境中部署並監視您的模型
作者簡介
Emmanuel Ameisen
Emmanuel Ameisen 是Stripe的機器學習工程師，他負責為Local Motion和Zipcar實作並部署預測性分析和機器學習解決方案。最近他領導Insight Data Science的AI學程並指導上百個機器學習專案。Emmanuel擁有來自法國三所頂尖學校的人工智慧、計算機工程和管理學的碩士學位。
前言
第一部分 發現正確的ML方法
第一章 從產品目標到ML建構
第二章 創造一個計畫
第二部分 建立一個工作管線
第三章 建立您的第一個端對端管線
第四章 取得初始資料集
第三部分 疊代模型
第五章 訓練並評估您的模型
第六章 為您的ML 問題除錯
第七章 用分類器提供寫作建議
第四部分 部署並監視
第八章 部署模型時的考量
第九章 選擇您的部署方案
第十章 為模型建立保護措施
第十一章 監視並更新模型
索引
