机器学习设计模式

书中描述

本书的设计模式捕捉了机器学习中反复出现的问题的最佳实践和解决方案。三位谷歌工程师编录了经过验证的方法,帮助数据科学家解决ML过程中的常见问题。这些设计模式将数百位专家的经验汇编为直接、可接近的建议。

在这本书中,您将发现30种模式的详细解释,用于数据和问题表示、操作化、可重复性、再现性、灵活性、可解释性和公平性。每个模式都包括对问题的描述、各种可能的解决方案,以及选择适合您的情况的最佳技术的建议。

你将学习如何:

  • 识别和减轻培训、评估和部署ML模型时的常见挑战
  • 表示不同ML模型类型的数据,包括嵌入、特征交叉等
  • 为特定的问题选择正确的模型类型
  • 建立一个健壮的训练循环,使用检查点、分布策略和超参数调优
  • 部署可伸缩的ML系统,您可以对其进行重新培训和更新,以反映新数据
  • 为利益相关者解释模型预测,确保模型公平对待用户

表的内容

  1. 前言
    1. 这本书是写给谁的?
    2. 书里没有什么
    3. 代码示例
    4. 本书使用的约定
    5. O ' reilly在线学习
    6. 如何联络我们
    7. 致谢
  2. 1.机器学习设计模式的需要
    1. 什么是设计模式?
    2. 如何使用这本书
    3. 机器学习的术语
      1. 模型和框架
      2. 数据与特性工程
      3. 机器学习过程
      4. 数据和模型工具
      5. 角色
    4. 机器学习的共同挑战
      1. 数据质量
      2. 再现性
      3. 数据漂移
      4. 规模
      5. 多个目标
    5. 总结
  3. 2.数据表示设计模式
    1. 简单的数据表示
      1. 数值输入
      2. 分类的输入
    2. 设计模式1:散列特性
      1. 问题
      2. 解决方案
      3. 为什么它的工作原理
      4. 权衡和选择
    3. 设计模式2:嵌入
      1. 问题
      2. 解决方案
      3. 为什么它的工作原理
      4. 权衡和选择
    4. 设计模式3:特征交叉
      1. 问题
      2. 解决方案
      3. 为什么它的工作原理
      4. 权衡和选择
    5. 设计模式4:多模式输入
      1. 问题
      2. 解决方案
      3. 权衡和选择
    6. 总结
  4. 3.问题表示设计模式
    1. 设计模式5:重构
      1. 问题
      2. 解决方案
      3. 为什么它的工作原理
      4. 权衡和选择
    2. 设计模式6:多标签
      1. 问题
      2. 解决方案
      3. 权衡和选择
    3. 设计模式7:集合
      1. 问题
      2. 解决方案
      3. 为什么它的工作原理
      4. 权衡和选择
    4. 设计模式8:层叠
      1. 问题
      2. 解决方案
      3. 权衡和选择
    5. 设计模式9:中立类
      1. 问题
      2. 解决方案
      3. 为什么它的工作原理
      4. 权衡和选择
    6. 设计模式10:再平衡
      1. 问题
      2. 解决方案
      3. 权衡和选择
    7. 总结
  5. 4.模型的训练模式
    1. 典型的循环培训
      1. 随机梯度下降法
      2. Keras训练循环
      3. 培训设计模式
    2. 设计模式11:有用的过度拟合
      1. 问题
      2. 解决方案
      3. 为什么它的工作原理
      4. 权衡和选择
    3. 设计模式12:检查点
      1. 问题
      2. 解决方案
      3. 为什么它的工作原理
      4. 权衡和选择
    4. 设计模式13:迁移学习
      1. 问题
      2. 解决方案
      3. 为什么它的工作原理
      4. 权衡和选择
    5. 设计模式14:分布策略
      1. 问题
      2. 解决方案
      3. 为什么它的工作原理
      4. 权衡和选择
    6. 设计模式15:超参数调优
      1. 问题
      2. 解决方案
      3. 为什么它的工作原理
      4. 权衡和选择
    7. 总结
  6. 5.弹性服务的设计模式
    1. 设计模式16:无状态服务功能
      1. 问题
      2. 解决方案
      3. 为什么它的工作原理
      4. 权衡和选择
    2. 设计模式17:批量服务
      1. 问题
      2. 解决方案
      3. 为什么它的工作原理
      4. 权衡和选择
    3. 设计模式18:持续的模型评估
      1. 问题
      2. 解决方案
      3. 为什么它的工作原理
      4. 权衡和选择
    4. 设计模式19:两阶段预测
      1. 问题
      2. 解决方案
      3. 权衡和选择
    5. 设计模式20:关键预测
      1. 问题
      2. 解决方案
      3. 权衡和选择
    6. 总结
  7. 6.再现性的设计模式
    1. 设计模式21:转换
      1. 问题
      2. 解决方案
      3. 权衡和选择
    2. 设计模式22:可重复分裂
      1. 问题
      2. 解决方案
      3. 权衡和选择
    3. 设计模式23:桥接模式
      1. 问题
      2. 解决方案
      3. 权衡和选择
    4. 设计模式24:窗口推理
      1. 问题
      2. 解决方案
      3. 权衡和选择
    5. 设计模式25:工作流流水线
      1. 问题
      2. 解决方案
      3. 为什么它的工作原理
      4. 权衡和选择
    6. 设计模式26:特色商店
      1. 问题
      2. 解决方案
      3. 为什么它的工作原理
      4. 权衡和选择
    7. 设计模式27:模型版本控制
      1. 问题
      2. 解决方案
      3. 权衡和选择
    8. 总结
  8. 7.负责人工智能
    1. 设计模式28:启发式基准
      1. 问题
      2. 解决方案
      3. 权衡和选择
    2. 设计模式29:可解释的预测
      1. 问题
      2. 解决方案
      3. 权衡和选择
    3. 设计图案30:公平镜头
      1. 问题
      2. 解决方案
      3. 权衡和选择
    4. 总结
  9. 8.连接模式
    1. 模式参考
    2. 交互模式
    3. ML项目中的模式
      1. 毫升生命周期
      2. AI准备
    4. 按用例和数据类型划分的常见模式
      1. 自然语言理解
      2. 计算机视觉
      3. 预测分析
      4. 推荐系统
      5. 欺诈和异常检测
  10. 指数

产品信息

  • 标题:机器学习设计模式
  • 作者(年代):Valliappa Lakshmanan, Sara Robinson, Michael Munn
  • 上映日期(待定):2020年10月
  • 出版商(s):O ' reilly Media, Inc .)
  • 国际标准图书编号:9781098115784