基于Azure的自动机器学习
Deepak Mukunthu, Parashar Shah, Wee Hyong Tok
林琪 译
出版时间:2020年09月
页数:208
对机器学习的需求在迅猛增长。各行业的组织都努力在其产品和流程中注入智能以取悦客户,扩大业务影响。不过,开发一个好的机器学习模型是一个迭代且耗时的过程。通过使用机器学习来帮助构建模型,自动机器学习可以让这个过程变得更容易。这本实用指南介绍了如何对你的数据应用自动机器学习。
本书不仅提供了有深度的技术介绍,还提供了大量实践示例和案例研究,展示了如何使用自动机器学习解决实际问题。有一定机器学习经验的数据科学家和开发人员可以学习如何使用Automated ML工具更快、更高效地构建他们的模型。
● 学习成功机器学习项目的最佳实践。
● 使用Azure完成自动机器学习。
● 理解分类和回归以及模型可解释性和透明性等概念。
● 了解如何在其他环境中使用Automated ML,如Azure Databricks、ML.NET和SQL Server。
● 探索推动机器学习大众化的工具。
  1. 前言
  2. 第1部分 自动机器学习
  3. 第1章 机器学习:概述和最佳实践
  4. 机器学习:简要回顾
  5. 机器学习项目的最佳实践
  6. 迭代而耗时的过程
  7. 增长的需求
  8. 小结
  9. 第2章 自动机器学习如何工作
  10. 什么是自动机器学习?
  11. Automated ML
  12. 保留隐私
  13. 小结
  14. 第2部分 Azure的Automated ML
  15. 第3章 开始使用微软Azure机器学习和Automated ML
  16. 机器学习过程
  17. 为Automated ML建立一个Azure机器学习工作区
  18. 小结
  19. 第4章 特征工程和自动机器学习
  20. Automated ML中可用的数据预处理方法
  21. Automated ML的自动特征化
  22. 小结
  23. 第5章 部署自动机器学习模型
  24. 部署模型
  25. Web服务的 Swagger文档
  26. 调试部署
  27. 小结
  28. 第6章 分类和回归
  29. 为什么使用分类和回归?
  30. 小结
  31. 第3部分 企业如何使用自动机器学习
  32. 第7章 使用Automated ML支持模型可解释性和透明性
  33. 模型可解释性
  34. 模型透明性
  35. 小结
  36. 第8章 开发人员使用Automated ML
  37. Azure Databricks和Apache Spark
  38. ML.NET
  39. SQL Server
  40. 小结
  41. 第9章 所有人使用Automated ML
  42. Azure门户UI
  43. Power BI
  44. 支持协作
  45. 小结
  46. 作者介绍
  47. 封面介绍
书名:基于Azure的自动机器学习
译者:林琪 译
国内出版社:中国电力出版社
出版时间:2020年09月
页数:208
书号:978-7-5198-4855-2
原版书书名:Practical Automated Machine Learning on Azure
原版书出版商:O'Reilly Media
Deepak Mukunthu
 
Deepak Mukunthu是一位有超过16年经验的产品主管。由于在大数据、分析和人工智能领域具有丰富的经验,Deepak在帮助组织和团队转向数据驱动和采用机器学习中扮演着关键的领导角色。他很好地将思想领导力、客户理解和创新融会贯通,来设计并交付让客户产生共鸣的更具竞争力的产品。最近,作为微软Azure AI平台团队Automated ML的首席程序经理,Deepak着力推进Automated ML的产品策略和路线图,对于数据科学家,其目标是实现AI的加速落地,对于其他对机器学习感兴趣的人,目标则是实现AI的大众化。除了制定产品方向,他在帮助客户采用Automated ML完成其业务关键场景方面也发挥了关键作用。加入微软之前,Deepak曾在Trilogy身兼数职-顾问、业务开发、程序经理和工程经理,他成功地领导了遍布全球的分布式团队并管理相应的技术并购整合。
 
 
Parashar Shah
 
Parashar Shah是微软Azure AI工程团队的一位高级程序/产品经理,领导了多个大数据和深度学习项目,着力帮助企业增加人工智能的应用,特别是结合Spark使用Automated ML。在微软以及之前的Alcatel-Lucent/贝尔实验室,他的工作促进了人工智能/分析平台的全球应用,为零售、制造、电信和油气等垂直领域的客户增长做出了贡献。Parashar拥有印度班加罗尔管理学院MBA学位和艾哈迈达巴德Nirma理工学院学士(电子商务)学位。他还在印度合作创办了一家拼车初创公司。另外他合著有《Hands-On Machine Learning with Azure: Build Powerful Models with Cognitive Machine Learning and Artificial Intelligence》(Packt)一书,于2018年11月出版。他申请了5项专利,参加了很多微软和外部会议,包括Spark高峰会议和KDD。他的兴趣相当广泛,包括摄影、人工智能、机器学习、自动机器学习、大数据和物联网(IoT)等诸多领域。
 
 
Wee Hyong Tok
 
Wee Hyong Tok是微软AzureCAT团队的成员。他拥有丰富的领导经验,领导着由工程师和数据科学家组成的多学科团队,致力于研究将注入产品和服务的最前沿的人工智能功能。他极富技术远见,拥有产品管理、机器学习/深度学习以及处理复杂客户关系的背景。多年来,他展示了早期关于技术趋势的思想领导力白皮书已经成为现实,并已深入地集成到很多产品当中。他能制定战略并将战略转化为行动,另外能积极推进客户加以应用,这些能力使他参与的很多项目都获得了成功。他一直在推动机器学习和深度学习产品的发展。他的团队大量使用了深度学习框架,包括TensorFlow、CNTK、Keras和PyTorch。在他的职业生涯中,曾担任过很多角色,包括开发人员、程序/产品经理、数据科学家、研究员和战略家,他的丰富经验为他赋予了独特的超能力,能够很好地领导高效的数据和人工智能创新团队并定义发展战略。从财富500强企业到初创企业,他一直是企业高层信赖的顾问。
 
 
本书的封面动物是一只小蓝鹭(学名:Egretta caerulea)。一年中的大部分时间里,这些鸟都生活在加勒比盆地的沿海地区,以及北美和南美洲的赤道海岸线附近。它们在美国中南部的内陆筑巢。
成鸟平均约两英尺高,翅膀和身体上有灰蓝色的羽毛,头和脖子是深紫色的。另外还有一个锋利的淡蓝色的喙,以及长长的淡黄绿色的腿。
它们在淡水、半咸水和咸水环境中浅水涉行,以小鱼、甲壳类动物和昆虫为食。看到水中的猎物时,它们会停下来,然后缓慢前进,直到进入它们的捕食范围,然后会迅速地把头扎入水中捉住猎物。虽然是一个简单的动作,但在攻击猎物时,小蓝鹭必须正确地考虑到水面对光线的折射,这会改变鱼或甲壳类动物的影像。
小蓝鹭刚长出羽毛时,羽毛是白色的,到了第二年才开始长出蓝灰色的羽毛。关于这种惊人的颜色变化,一种进化优势理论是,第一年的雏鸟在幼时保持为白色,因为这样它们可以更好地溶入更大的雪鹭群,不仅能为它们提供保护,使它们免受捕食者的伤害,还能帮助它们找到食物。
小蓝鹭正面临着失去栖息地、气候变化和水污染的威胁。另外,每年一些小蓝鹭在渔场捕鱼时会被合法射杀,而在筑巢期间人类对其栖息地的入侵可能导致成鸟弃巢,造成鸟蛋和雏鸟被抛弃。目前,小蓝鹭在世界自然保护联盟的红色名录中处于“无危物种”保护状态。
O’Reilly图书封面上的许多动物都濒临灭绝,它们对世界都很重要。
购买选项
定价:68.00元
书号:978-7-5198-4855-2
出版社:中国电力出版社