如何成为一名“受欢迎”的数据科学家和机器学习工程师

《机器学习项目交付实战》将介绍如何从模型和数据中获取最佳性能，帮助你构建稳定的数据管道。通过高效的可复用技术集合，来确保应用程序工作流程的顺利执行，以及提高模型的可维护性。基于数十年的良好软件工程实践，机器学习工程可确保你的机器学习系统具有弹性、适应性和可执行性。

《机器学习项目交付实战》将介绍设计、构建和交付成功的机器学习项目的核心原则和上佳实践。你将了解很多软件工程技术，例如对原型进行实验和实施模块化设计，从而产生弹性架构和一致的跨团队沟通。基于作者丰富的经验，本书中的每一种方法都被成功地用于解决现实世界中的问题。

本书包括3个主要部分，介绍了机器学习项目中的各个里程碑。从“我们试图解决什么”到最后阶段的“如何在未来几年保持这个解决方案的相关性”，本书回顾了每个重要的开发过程，其逻辑顺序与你在完成一个项目时考虑这些主题的顺序相同。

● 第Ⅰ部分(第1~8章)主要侧重于从团队负责人、经理或项目负责人的角度管理机器学习项目。它为范围界定、实验、原型设计和包容性反馈部署了蓝图，从而帮助你避免陷入构建解决方案的陷阱。

● 第Ⅱ部分(第9~13章)介绍了机器学习项目的开发过程。通过机器学习解决方案开发的示例(无论好坏)，介绍构建、调整、记录和评估机器学习解决方案的最佳实践，从而确保构建尽可能简单和最易维护的代码。

● 第 Ⅲ 部分(第 14~16章)侧重于“之后”：具体而言，是与简化项目的产品发布、再训练、监控和归因相关的内容。通过专注于A/B测试、特征存储和被动再训练系统的示例，介绍如何实现系统和体系结构，以确保可以通过最简单的机器学习解决方案解决业务问题。

本书主要内容

● 根据预期和预算确定机器学习项目的范围

● 为你的项目选择正确的技术路线

● 使你的代码库更易于理解，提升可维护性和可测试性

● 实现故障排除和日志系统的自动化

点击了解更多
《机器学习项目交付实战》([美]本·威尔逊（Ben Wilson）)【摘要 书评 试读】- 京东图书 (jd.com)