91精品国产综合久久四虎久久_国产成人午夜高潮毛片_99er视频精品免费观看_2020亚洲熟女在线观看_日本女优人体写真_国内黄色毛片_年轻的老师中文版在线_丰满女邻居做爰_久久久久久精品成人免费图片

 
構(gòu)建可靠的機(jī)器學(xué)習(xí)系統(tǒng)
構(gòu)建可靠的機(jī)器學(xué)習(xí)系統(tǒng)
Cathy Chen, Niall Richard Murphy, Kranti Parisa, D. Sculley, Todd Underwood 著
林然, 王薇, 王祎, 秦正一 譯
出版時(shí)間：2025年04月
“在你將基于機(jī)器學(xué)習(xí)的真實(shí)系統(tǒng)投入部署之前，閱讀這本書會(huì)讓你受益匪淺 —— 你可以放心，書中內(nèi)容源自數(shù)十年來(lái)之不易的經(jīng)驗(yàn)總結(jié)?！?br /> ——Andrew Moore
Google Cloud AI副總裁兼總經(jīng)理
無(wú)論你是小型初創(chuàng)企業(yè)的一員，還是跨國(guó)公司的一分子，這本實(shí)用書籍都將為數(shù)據(jù)科學(xué)家、軟件工程師、站點(diǎn)可靠性工程師、產(chǎn)品經(jīng)理以及企業(yè)主指明方向——如何在組織內(nèi)部可靠、高效且負(fù)責(zé)地運(yùn)行和建立機(jī)器學(xué)習(xí)體系。從如何在生產(chǎn)環(huán)境中進(jìn)行模型監(jiān)測(cè)，到如何在產(chǎn)品型組織中管理一支運(yùn)轉(zhuǎn)良好的模型開發(fā)團(tuán)隊(duì)，你將深入了解方方面面的內(nèi)容。
通過(guò)將站點(diǎn)可靠性工程（SRE）理念應(yīng)用于機(jī)器學(xué)習(xí)領(lǐng)域，本書作者、工程領(lǐng)域?qū)I(yè)人士Cathy Chen、Kranti Parisa、Niall Richard Murphy、D. Sculley、Todd Underwood，以及特邀客座作者，將向你展示如何運(yùn)行一個(gè)高效且可靠的機(jī)器學(xué)習(xí)系統(tǒng)。無(wú)論你是想增加收入、優(yōu)化決策制定、解決問(wèn)題，還是理解并影響客戶行為，你都將學(xué)會(huì)如何在著眼大局的同時(shí)，執(zhí)行日常的機(jī)器學(xué)習(xí)任務(wù)。
通過(guò)學(xué)習(xí)本書，你將了解：
● 機(jī)器學(xué)習(xí)是什么：它如何運(yùn)作以及依賴什么。
● 用于理解機(jī)器學(xué)習(xí) “循環(huán)” 如何工作的概念框架。
● 有效的產(chǎn)品化如何使你的機(jī)器學(xué)習(xí)系統(tǒng)易于監(jiān)控、部署和操作。
● 為什么機(jī)器學(xué)習(xí)系統(tǒng)會(huì)使生產(chǎn)故障排查變得更困難，以及如何相應(yīng)地應(yīng)對(duì)。
● 機(jī)器學(xué)習(xí)團(tuán)隊(duì)、產(chǎn)品團(tuán)隊(duì)和生產(chǎn)團(tuán)隊(duì)如何進(jìn)行有效溝通。
  1. 序
  2. 前言
  3. 第1章 引言
  4. 1.1 機(jī)器學(xué)習(xí)的生命周期
  5. 1.1.1 數(shù)據(jù)收集與分析
  6. 1.1.2 機(jī)器學(xué)習(xí)訓(xùn)練管道
  7. 1.1.3 構(gòu)建與驗(yàn)證應(yīng)用程序
  8. 1.1.4 質(zhì)量和性能評(píng)估
  9. 1.1.5 定義與度量服務(wù)等級(jí)目標(biāo)
  10. 1.1.6 發(fā)布
  11. 1.1.7 監(jiān)控和反饋循環(huán)
  12. 1.2 循環(huán)中的教訓(xùn)
  13. 第2章 數(shù)據(jù)管理原則
  14. 2.1 數(shù)據(jù)即責(zé)任
  15. 2.2 機(jī)器學(xué)習(xí)管道的數(shù)據(jù)敏感性
  16. 2.3 數(shù)據(jù)的階段
  17. 2.3.1 創(chuàng)建
  18. 2.3.2 提取
  19. 2.3.3 處理
  20. 2.3.4 存儲(chǔ)
  21. 2.3.5 管理
  22. 2.3.6 分析與可視化
  23. 2.4 數(shù)據(jù)可靠性
  24. 2.4.1 持久性
  25. 2.4.2 一致性
  26. 2.4.3 版本控制
  27. 2.4.4 性能
  28. 2.4.5 可用性
  29. 2.5 數(shù)據(jù)完整性
  30. 2.5.1 安全性
  31. 2.5.2 隱私
  32. 2.5.3 政策與合規(guī)
  33. 2.6 總結(jié)
  34. 第3章 模型的基本介紹
  35. 3.1 什么是模型
  36. 3.2 基本的模型創(chuàng)建工作流
  37. 3.3 模型架構(gòu)、模型定義與訓(xùn)練過(guò)的模型
  38. 3.4 漏洞在哪里
  39. 3.4.1 訓(xùn)練數(shù)據(jù)
  40. 3.4.2 標(biāo)簽
  41. 3.4.3 訓(xùn)練方法
  42. 3.5 基礎(chǔ)設(shè)施及管道
  43. 3.5.1 平臺(tái)
  44. 3.5.2 特征生成
  45. 3.5.3 升級(jí)和修復(fù)
  46. 3.6 對(duì)任何模型提出的一系列實(shí)用問(wèn)題
  47. 3.7 一個(gè)機(jī)器學(xué)習(xí)系統(tǒng)示例
  48. 3.7.1 紗線產(chǎn)品點(diǎn)擊預(yù)測(cè)模型
  49. 3.7.2 特征
  50. 3.7.3 特征標(biāo)簽
  51. 3.7.4 模型更新
  52. 3.7.5 模型服務(wù)
  53. 3.7.6 常見故障
  54. 3.8 總結(jié)
  55. 第4章 特征與訓(xùn)練數(shù)據(jù)
  56. 4.1 特征
  57. 4.1.1 特征選擇和工程
  58. 4.1.2 特征的生命周期
  59. 4.1.3 特征系統(tǒng)
  60. 4.2 標(biāo)簽
  61. 4.3 人工生成的標(biāo)簽
  62. 4.3.1 標(biāo)注勞動(dòng)力
  63. 4.3.2 衡量人工標(biāo)注質(zhì)量
  64. 4.3.3 標(biāo)注平臺(tái)
  65. 4.3.4 主動(dòng)學(xué)習(xí)和AI輔助標(biāo)注
  66. 4.3.5 文檔和標(biāo)注員培訓(xùn)
  67. 4.4 元數(shù)據(jù)
  68. 4.4.1 元數(shù)據(jù)系統(tǒng)概述
  69. 4.4.2 數(shù)據(jù)集元數(shù)據(jù)
  70. 4.4.3 特征元數(shù)據(jù)
  71. 4.4.4 標(biāo)簽元數(shù)據(jù)
  72. 4.4.5 管道元數(shù)據(jù)
  73. 4.5 數(shù)據(jù)隱私和公平性
  74. 4.5.1 隱私
  75. 4.5.2 公平性
  76. 4.6 總結(jié)
  77. 第5章 評(píng)估模型的有效性和質(zhì)量
  78. 5.1 評(píng)估模型的有效性
  79. 5.2 評(píng)估模型質(zhì)量
  80. 5.2.1 離線評(píng)估
  81. 5.2.2 評(píng)估分布
  82. 5.2.3 一些有用的指標(biāo)
  83. 5.3 實(shí)施驗(yàn)證和評(píng)估
  84. 5.4 總結(jié)
  85. 第6章 機(jī)器學(xué)習(xí)系統(tǒng)中的公平性、隱私和道德
  86. 6.1 公平性
  87. 6.1.1 公平性的定義
  88. 6.1.2 達(dá)到公平
  89. 6.1.3 公平是一個(gè)過(guò)程而不是終點(diǎn)
  90. 6.1.4 簡(jiǎn)短的法律說(shuō)明
  91. 6.2 隱私
  92. 6.2.1 保護(hù)隱私的方法
  93. 6.2.2 簡(jiǎn)短的法律說(shuō)明
  94. 6.3 負(fù)責(zé)任的AI
  95. 6.3.1 模型解釋
  96. 6.3.2 有效性
  97. 6.3.3 社會(huì)和文化適當(dāng)性
  98. 6.4 機(jī)器學(xué)習(xí)管道中負(fù)責(zé)任的AI
  99. 6.4.1 用例頭腦風(fēng)暴
  100. 6.4.2 數(shù)據(jù)收集和清洗
  101. 6.4.3 模型創(chuàng)建和訓(xùn)練
  102. 6.4.4 模型驗(yàn)證和質(zhì)量評(píng)估
  103. 6.4.5 模型部署
  104. 6.4.6 市場(chǎng)產(chǎn)品
  105. 6.5 總結(jié)
  106. 第7章 訓(xùn)練系統(tǒng)
  107. 7.1 需求
  108. 7.2 基本訓(xùn)練系統(tǒng)的實(shí)施
  109. 7.2.1 特征
  110. 7.2.2 特征存儲(chǔ)
  111. 7.2.3 模型管理系統(tǒng)
  112. 7.2.4 編排
  113. 7.2.5 質(zhì)量評(píng)估
  114. 7.2.6 監(jiān)控
  115. 7.3 一般可靠性原則
  116. 7.3.1 大多數(shù)失敗不會(huì)是機(jī)器學(xué)習(xí)失敗
  117. 7.3.2 模型將被重新訓(xùn)練
  118. 7.3.3 模型將同時(shí)有多個(gè)版本
  119. 7.3.4 好的模型會(huì)變壞
  120. 7.3.5 數(shù)據(jù)將不可用
  121. 7.3.6 模型應(yīng)該是可改進(jìn)的
  122. 7.3.7 特征會(huì)添加和更改
  123. 7.3.8 模型可能訓(xùn)練得過(guò)快
  124. 7.3.9 資源利用很重要
  125. 7.3.10 利用率!=效率
  126. 7.3.11 中斷包括恢復(fù)時(shí)間
  127. 7.4 常見的訓(xùn)練可靠性問(wèn)題
  128. 7.4.1 數(shù)據(jù)敏感性
  129. 7.4.2 YarnIt的數(shù)據(jù)問(wèn)題示例
  130. 7.4.3 可重現(xiàn)性
  131. 7.4.4 YarnIt的可重現(xiàn)性問(wèn)題示例
  132. 7.4.5 計(jì)算資源量
  133. 7.4.6 YarnIt的資源量問(wèn)題示例
  134. 7.5 結(jié)構(gòu)可靠性
  135. 7.5.1 組織挑戰(zhàn)
  136. 7.5.2 道德和公平性考慮
  137. 7.6 總結(jié)
  138. 第8章 服務(wù)
  139. 8.1 模型服務(wù)的關(guān)鍵問(wèn)題
  140. 8.1.1 我們模型的負(fù)載是什么
  141. 8.1.2 我們模型的預(yù)測(cè)延遲需求是多少
  142. 8.1.3 模型在哪里運(yùn)行
  143. 8.1.4 我們的模型需要怎樣的硬件
  144. 8.1.5 服務(wù)模型要如何存儲(chǔ)、加載、版本控制和更新
  145. 8.1.6 用于服務(wù)的特征管道是什么樣子的
  146. 8.2 模型服務(wù)架構(gòu)
  147. 8.2.1 離線服務(wù)（批量推理）
  148. 8.2.2 在線服務(wù)（在線推理）
  149. 8.2.3 模型即服務(wù)
  150. 8.2.4 邊緣服務(wù)
  151. 8.2.5 選擇架構(gòu)
  152. 8.3 模型API設(shè)計(jì)
  153. 8.4 服務(wù)于準(zhǔn)確性還是彈性
  154. 8.5 擴(kuò)展
  155. 8.5.1 彈性伸縮
  156. 8.5.2 緩存
  157. 8.6 災(zāi)難恢復(fù)
  158. 8.7 道德和公平性考慮
  159. 8.8 總結(jié)
  160. 第9章 模型的監(jiān)控和可觀測(cè)性
  161. 9.1 什么是生產(chǎn)環(huán)境監(jiān)控以及為什么要這么做
  162. 9.1.1 它是什么樣的
  163. 9.1.2 機(jī)器學(xué)習(xí)為監(jiān)控帶來(lái)的問(wèn)題
  164. 9.1.3 為何在生產(chǎn)中需要持續(xù)的機(jī)器學(xué)習(xí)可觀測(cè)性
  165. 9.2 機(jī)器學(xué)習(xí)生產(chǎn)監(jiān)控中的問(wèn)題
  166. 9.2.1 開發(fā)的難點(diǎn)與服務(wù)的難點(diǎn)
  167. 9.2.2 需要在觀念上有所轉(zhuǎn)變
  168. 9.3 機(jī)器學(xué)習(xí)模型監(jiān)控的最佳實(shí)踐
  169. 9.3.1 通用的預(yù)服務(wù)模型建議
  170. 9.3.2 訓(xùn)練與重新訓(xùn)練
  171. 9.3.3 模型驗(yàn)證（試運(yùn)行前）
  172. 9.3.4 服務(wù)
  173. 9.3.5 其他需要考慮的事情
  174. 9.3.6 監(jiān)控策略的高層級(jí)建議
  175. 9.4 總結(jié)
  176. 第10章 持續(xù)機(jī)器學(xué)習(xí)
  177. 10.1 剖析持續(xù)機(jī)器學(xué)習(xí)系統(tǒng)
  178. 10.1.1 訓(xùn)練樣本
  179. 10.1.2 訓(xùn)練標(biāo)簽
  180. 10.1.3 過(guò)濾掉壞數(shù)據(jù)
  181. 10.1.4 特征存儲(chǔ)和數(shù)據(jù)管理
  182. 10.1.5模型更新
  183. 10.1.6將更新后的模型推送到服務(wù)中
  184. 10.2 對(duì)持續(xù)機(jī)器學(xué)習(xí)系統(tǒng)的觀察
  185. 10.2.1 外部世界的事件可能影響我們的系統(tǒng)
  186. 10.2.2 模型可以影響其自身的訓(xùn)練數(shù)據(jù)
  187. 10.2.3時(shí)間效應(yīng)會(huì)出現(xiàn)在多種時(shí)間維度上
  188. 10.2.4 應(yīng)急響應(yīng)必須實(shí)時(shí)進(jìn)行
  189. 10.2.5 新發(fā)布需要分階段的提升和穩(wěn)定的基線
  190. 10.2.6 模型必須被管理，而不是交付即完成
  191. 10.3 持續(xù)性組織
  192. 10.4 重新思考非持續(xù)機(jī)器學(xué)習(xí)系統(tǒng)
  193. 10.5總結(jié)
  194. 第11章 事故響應(yīng)
  195. 11.1 事故管理基礎(chǔ)
  196. 11.1.1 事故的生命周期
  197. 11.1.2 事故響應(yīng)角色
  198. 11.2 剖析以機(jī)器學(xué)習(xí)為中心的故障
  199. 11.3術(shù)語(yǔ)提醒：模型
  200. 11.4 故事時(shí)間
  201. 11.4.1 故事1：搜索但沒(méi)有找到
  202. 11.4.2 故事2：突然間無(wú)用的伙伴
  203. 11.4.3 故事3：推薦你尋找新的供應(yīng)商
  204. 11.5 機(jī)器學(xué)習(xí)事故管理原則
  205. 11.5.1 指導(dǎo)原則
  206. 11.5.2模型開發(fā)人員或數(shù)據(jù)科學(xué)家
  207. 11.5.3 軟件工程師
  208. 11.5.4 機(jī)器學(xué)習(xí)站點(diǎn)可靠性工程師或機(jī)器學(xué)習(xí)生產(chǎn)工程師
  209. 11.5.5 產(chǎn)品經(jīng)理或業(yè)務(wù)負(fù)責(zé)人
  210. 11.6 特殊話題
  211. 11.6.1 生產(chǎn)工程師以及機(jī)器學(xué)習(xí)工程與建模
  212. 11.6.2 符合道德的待命工程師宣言
  213. 11.7 總結(jié)
  214. 第12章 產(chǎn)品和機(jī)器學(xué)習(xí)如何交互
  215. 12.1 不同類型的產(chǎn)品
  216. 12.2 敏捷機(jī)器學(xué)習(xí)
  217. 12.3 機(jī)器學(xué)習(xí)產(chǎn)品開發(fā)階段
  218. 12.3.1 發(fā)現(xiàn)和定義
  219. 12.3.2 業(yè)務(wù)目標(biāo)設(shè)定
  220. 12.3.3 MVP構(gòu)建和驗(yàn)證
  221. 12.3.4 模型和產(chǎn)品開發(fā)
  222. 12.3.5 部署
  223. 12.3.6 支持和維護(hù)
  224. 12.4 構(gòu)建還是購(gòu)買
  225. 12.4.1 模型
  226. 12.4.2 數(shù)據(jù)處理基礎(chǔ)設(shè)施
  227. 12.4.3 端到端平臺(tái)
  228. 12.4.4 用以做出決策的評(píng)分方法
  229. 12.4.5 做出決策
  230. 12.5 由機(jī)器學(xué)習(xí)提供支持的樣例YarnIt商店功能
  231. 12.5.1 按總銷售額展示受歡迎的紗線
  232. 12.5.2 基于瀏覽歷史的推薦
  233. 12.5.3 交叉銷售和向上銷售
  234. 12.5.4 基于內(nèi)容的過(guò)濾
  235. 12.5.5 協(xié)同過(guò)濾
  236. 12.6 總結(jié)
  237. 第13章 將機(jī)器學(xué)習(xí)集成到你的組織中
  238. 13.1 本章假設(shè)
  239. 13.1.1 基于領(lǐng)導(dǎo)者的視角
  240. 13.1.2 細(xì)節(jié)很重要
  241. 13.1.3 機(jī)器學(xué)習(xí)需要了解業(yè)務(wù)
  242. 13.1.4 你做出的最重要的假設(shè)
  243. 13.1.5 機(jī)器學(xué)習(xí)的價(jià)值
  244. 13.2 重大組織風(fēng)險(xiǎn)
  245. 13.2.1 機(jī)器學(xué)習(xí)不是魔法
  246. 13.2.2 思維模型慣性
  247. 13.2.3 在不同文化中正確表述風(fēng)險(xiǎn)
  248. 13.2.4 孤立的團(tuán)隊(duì)并不能解決所有問(wèn)題
  249. 13.3 實(shí)施模型
  250. 13.3.1 記住目標(biāo)
  251. 13.3.2 綠地還是棕地
  252. 13.3.3 機(jī)器學(xué)習(xí)的角色和職責(zé)
  253. 13.3.4 如何雇用機(jī)器學(xué)習(xí)人員
  254. 13.4 組織設(shè)計(jì)和激勵(lì)
  255. 13.4.1 戰(zhàn)略
  256. 13.4.2 結(jié)構(gòu)
  257. 13.4.3 流程
  258. 13.4.4 獎(jiǎng)勵(lì)
  259. 13.4.5 人員
  260. 13.4.6 關(guān)于排序的說(shuō)明
  261. 13.5 總結(jié)
  262. 第14章 實(shí)用的機(jī)器學(xué)習(xí)組織實(shí)施示例
  263. 14.1 場(chǎng)景1：一個(gè)新的集中式機(jī)器學(xué)習(xí)團(tuán)隊(duì)
  264. 14.1.1 背景和組織描述
  265. 14.1.2 流程
  266. 14.1.3 獎(jiǎng)勵(lì)
  267. 14.1.4 人員
  268. 14.1.5 默認(rèn)實(shí)施
  269. 14.2 場(chǎng)景2：分散式機(jī)器學(xué)習(xí)基礎(chǔ)設(shè)施和專業(yè)知識(shí)
  270. 14.2.1 背景和組織描述
  271. 14.2.2 流程
  272. 14.2.3 獎(jiǎng)勵(lì)
  273. 14.2.4 人員
  274. 14.2.5 默認(rèn)實(shí)施
  275. 14.3 場(chǎng)景3：混合使用集中式基礎(chǔ)設(shè)施/分散式建模
  276. 14.3.1 背景和組織描述
  277. 14.3.2 流程
  278. 14.3.3 獎(jiǎng)勵(lì)
  279. 14.3.4 人員
  280. 14.3.5 默認(rèn)實(shí)施
  281. 14.4 總結(jié)
  282. 第15章 案例研究：實(shí)踐中的MLOps
  283. 15.1 在機(jī)器學(xué)習(xí)管道中適應(yīng)隱私和數(shù)據(jù)保留政策
  284. 15.1.1 背景
  285. 15.1.2問(wèn)題和解決方案
  286. 15.1.3 要點(diǎn)
  287. 15.2 影響流量的持續(xù)機(jī)器學(xué)習(xí)模型
  288. 15.2.1 背景
  289. 15.2.2 問(wèn)題和解決方案
  290. 15.2.3 要點(diǎn)
  291. 15.3 鋼材檢測(cè)
  292. 15.3.1 背景
  293. 15.3.2 問(wèn)題和解決方案
  294. 15.3.3 要點(diǎn)
  295. 15.4 NLP MLOps：性能分析和分階段負(fù)載測(cè)試
  296. 15.4.1 背景
  297. 15.4.2 問(wèn)題和解決方案
  298. 15.4.3 要點(diǎn)
  299. 15.5 廣告點(diǎn)擊預(yù)測(cè)：數(shù)據(jù)庫(kù)與現(xiàn)實(shí)
  300. 15.5.1 背景
  301. 15.5.2 問(wèn)題和解決方案
  302. 15.5.3 要點(diǎn)
  303. 15.6 在機(jī)器學(xué)習(xí)工作流中測(cè)試和測(cè)量依賴關(guān)系
  304. 15.6.1 背景
  305. 15.6.2 問(wèn)題和解決方案
  306. 15.6.3 要點(diǎn)
書名：構(gòu)建可靠的機(jī)器學(xué)習(xí)系統(tǒng)
譯者：林然, 王薇, 王祎, 秦正一 譯
國(guó)內(nèi)出版社：機(jī)械工業(yè)出版社
出版時(shí)間：2025年04月
書號(hào)：978-7-111-77218-7
原版書書名：Reliable Machine Learning
原版書出版商：O'Reilly Media
Cathy Chen
 
Cathy Chen曾在Google擔(dān)任技術(shù)項(xiàng)目經(jīng)理、產(chǎn)品經(jīng)理和工程經(jīng)理。
 
 
Niall Richard Murphy
 
Niall Richard Murphy是Google網(wǎng)站可靠性工程組織里曾經(jīng)和現(xiàn)任的成員，他們的職責(zé)是關(guān)注和維護(hù)Google的生產(chǎn)系統(tǒng)。
 
 
Kranti Parisa
 
Kranti Parisa是Dialpad的副總裁兼產(chǎn)品工程主管。
 
 
D. Sculley
 
D. Sculley是Kaggle的首席執(zhí)行官和Google第三方機(jī)器學(xué)習(xí)生態(tài)系統(tǒng)的總經(jīng)理。
 
 
Todd Underwood
 
Todd Underwood是Google的高級(jí)主管以及機(jī)器學(xué)習(xí)SRE的創(chuàng)始人。
 
 
本書封面上的昆蟲是蜜罐蟻（Myrmecocystus mimicus），分布于北美西南部和墨西哥部分地區(qū)。
與其他螞蟻類似，蜜罐蟻的蟻群由各種工蟻組成，它們從花朵、水果和其他昆蟲中覓食。蜜罐蟻?zhàn)钜胱⒛康氖撬鼈儍?chǔ)存食物的方式。蟻群中的一種工蟻長(zhǎng)著巨大的腹部，用來(lái)儲(chǔ)存它們所獲取的液體。在食物供應(yīng)不足的時(shí)候，它們會(huì)反芻出液體供其他蟻群食用。由于腹部很大，它們移動(dòng)起來(lái)很困難，所以經(jīng)常被發(fā)現(xiàn)掛在巢頂。
購(gòu)買選項(xiàng)
定價(jià)：139.00元
書號(hào)：978-7-111-77218-7
出版社：機(jī)械工業(yè)出版社