本书的重点不在于教授传统的机器学习算法，而在于教你如何使机器学习算法发挥作用。一些 AI 的技术课程会给你一个工具，而这本书将教会你如何使用这些工具。如果你渴望成为 AI 的技术领导者，并想要学习如何为团队设定一个方向，本书将有所帮助。
目录
设置开发和测试集
- 开发集和测试集的定义
- 开发集和测试集应该服从同一分布
- 开发集和测试集应该有多大？
- 使用单值评估指标进行优化
- 优化指标和满意度指标
- 通过开发集和度量指标加速迭代
- 何时修改开发集、测试集和指标
- 小结：建立开发集和测试集
基本误差分析
- 快速构建并迭代你的第一个系统
- 误差分析：根据开发集样本评估想法
- 在误差分析时并行评估多个想法
- 清洗误标注的开发集和测试集样本
- 将大型开发集拆分为两个子集，专注其一
- Eyeball 和 Blackbox 开发集该设置多大？
- 小结：基础误差分析
偏差和方差
学习曲线
与人类水平的表现相比
不同发行版的培训和测试
调试推理算法
端到端学习
按零件进行误差分析
总结
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论