思维导图备注

机器学习工程实战 - [加]安德烈·布可夫(Andriy Burkov),王海鹏,丁静
首页 收藏书籍 阅读记录
  • 书签 我的书签
  • 添加书签 添加书签 移除书签 移除书签

封面

浏览 16 扫码
  • 小字体
  • 中字体
  • 大字体
2024-04-30 09:40:21
请 登录 再阅读
上一篇:
下一篇:
  • 书签
  • 添加书签 移除书签
  • 封面
  • 版权信息
  • 版权声明
  • 内容提要
  • 序/FOREWORD
  • 前言/PREFACE
  • 资源与支持
  • 第1章 概述
    • 1.1 符号和定义
    • 1.2 什么是机器学习
    • 1.3 数据和机器学习术语
    • 1.4 何时使用机器学习
    • 1.5 何时不使用机器学习
    • 1.6 什么是机器学习工程
    • 1.7 机器学习项目生命周期
    • 1.8 小结
  • 第2章 项目开始前
    • 2.1 机器学习项目的优先级排序
    • 2.2 估计机器学习项目的复杂度
    • 2.3 确定机器学习项目的目标
    • 2.4 构建机器学习团队
    • 2.5 机器学习项目为何失败
    • 2.6 小结
  • 第3章 数据收集和准备
    • 3.1 关于数据的问题
    • 3.2 数据的常见问题
    • 3.3 什么是好数据
    • 3.4 处理交互数据
    • 3.5 数据泄露的原因
    • 3.6 数据划分
    • 3.7 处理缺失的属性
    • 3.8 数据增强
    • 3.9 处理不平衡的数据
    • 3.10 数据采样策略
    • 3.11 存储数据
    • 3.12 数据处理最佳实践
    • 3.13 小结
  • 第4章 特征工程
    • 4.1 为什么要进行特征工程
    • 4.2 如何进行特征工程
    • 4.3 叠加特征
    • 4.4 好特征的属性
    • 4.5 特征选择
    • 4.6 合成特征
    • 4.7 从数据中学习特征
    • 4.8 降维
    • 4.9 缩放特征
    • 4.10 特征工程中的数据泄露问题
    • 4.11 存储特征和编写文档
    • 4.12 特征工程最佳实践
    • 4.13 小结
  • 第5章 监督模型训练（第一部分）
    • 5.1 开始模型工作之前
    • 5.2 为机器学习表示标签
    • 5.3 选择学习算法
    • 5.4 建立流水线
    • 5.5 评估模型表现
    • 5.6 超参数调整
    • 5.7 浅层模型训练
    • 5.8 偏差-方差折中
    • 5.9 正则化
    • 5.10 小结
  • 第6章 监督模型训练（第二部分）
    • 6.1 深度模型训练策略
    • 6.2 堆叠模型
    • 6.3 应对分布偏移
    • 6.4 处理不平衡数据集
    • 6.5 模型校准
    • 6.6 故障排除与误差分析
    • 6.7 最佳实践
    • 6.8 小结
  • 第7章 模型评估
    • 7.1 离线和在线评估
    • 7.2 A/B测试
    • 7.3 多臂老虎机
    • 7.4 模型表现的统计界限
    • 7.5 评估测试集的充分性
    • 7.6 模型属性的评估
    • 7.7 小结
  • 第8章 模型部署
    • 8.1 静态部署
    • 8.2 在用户设备上动态部署
    • 8.3 在服务器上动态部署
    • 8.4 部署策略
    • 8.5 自动部署、版本管理和元数据
    • 8.6 模型部署最佳实践
    • 8.7 小结
  • 第9章 模型服务、监测和维护
    • 9.1 模型服务运行时的属性
    • 9.2 模型服务模式
    • 9.3 现实世界中的模型服务
    • 9.4 模型监测
    • 9.5 模型维护
    • 9.6 小结
  • 第10章 结论
    • 10.1 学习收获
    • 10.2 后续阅读
    • 10.3 致谢
暂无相关搜索结果！
    展开/收起文章目录

    二维码

    手机扫一扫，轻松掌上学

    《机器学习工程实战 - [加]安德烈·布可夫(Andriy Burkov),王海鹏,丁静》电子书下载

    请下载您需要的格式的电子书，随时随地，享受学习的乐趣！
    EPUB 电子书

    书签列表

      阅读记录

      阅读进度: 0.00% ( 0/0 ) 重置阅读进度