×
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
书签管理
我的书签
添加书签
移除书签
6.6 故障排除与误差分析
浏览
8
扫码
小字体
中字体
大字体
2024-04-30 09:43:53
请
登录
再阅读
上一篇:
下一篇:
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！
×
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
我的书签
添加书签
移除书签