跳过导航
人工智能实战手册
书籍

人工智能实战手册

掌握部署机器学习的高深艺术


购买此书或有声书

离线阅读

Amazon Kindle


评级

8

关键特征

  • 综合性
  • 实用性
  • 结构清晰

导读荐语

许多商业领导者缺乏对机器学习(Machine Learning 即 ML)的深入理解。与此同时,公司的数据科学家常常感到与业务部门之间缺乏足够的沟通与协作。在这本实用的指南中,畅销书作者以及前哥伦比亚大学计算机科学研究生教授埃里克·西格尔(Eric Siegel)倡议商业和技术领导者分别走出自己的孤岛。他强调,商业和技术领导者之间需要紧密合作,才能共同推动组织成功应用机器学习,实现转变,优化运营。

浓缩书

商业领导者和数据科学家需要达成共识,了解机器学习如何为业务带来价值。

成功应用机器学习需要商业部门和技术部门的紧密合作。如果你主攻商业,那么你需要对机器学习的全流程有整体理解:掌握正在使用的模型所预测的内容;明白这些预测如何影响业务;知晓用来判断机器学习项目预测准确性的指标;以及懂得需要收集哪些类型的数据。如果你是数据专业人员,必须拓宽对机器学习的视野,不仅要关注技术实现和模型的构建,还需要看到它对整个组织的潜力,从而帮助企业实现转型,提升全局的效率和业务表现。

为了弥合组织中商业部门和数据部门之间的鸿沟,埃里克·西格尔设计了一个六步方法,名为 bizML,旨在确保各部门共同理解机器学习项目的目标和流程,从而高效启动和部署变革性项目。那么,bizML 与机器学习操作(Machine Learning Operations 即 MLOps)有什么不同呢?MLOps 聚焦于机器学习项目的技术实现与运营维护,强调技术性操作。而 bizML 则注重整个组织如何协作、如何高效执行机器学习项目,从而确保项目的成功和商业目标的实现。如果你是一个熟悉跨行业数据挖掘标准流程(Cross Industry Standard Process for Data Mining 即 CRISP...

关于作者

埃里克·西格尔(Eric Siegel)是一名顾问,曾在哥伦比亚大学(Columbia University)担任计算机科学研究生教授,著有《预测分析:预测谁会点击、购买、撒谎或死亡》(Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die)。


恭喜你又学完了一篇干货!复述、评论及做笔记是对知识最大的致敬↓