书城首页 › 当代 › 工业 › 基于Azure的自动机器学习
当代·工业

基于Azure的自动机器学习

正版保障多仓发货48小时内发货2-3天送达可开发票
¥16.17 定价 ¥68.00 2.4折 立省 ¥51.83
仅剩 2 件 全新
商品参数
书名
基于Azure的自动机器学习
作者
(美)莫昆图,(美)沙阿,(美)卓伟雄 著 林琪 译
出版社
中国电力出版社
出版时间
2020-08-01
ISBN
9787519848552
货号
1202133076
品相
全新
分类
当代·工业
购物车(0)
商品参数
书名
基于Azure的自动机器学习
作者
(美)莫昆图,(美)沙阿,(美)卓伟雄 著 林琪 译
出版社
中国电力出版社
出版时间
2020-08-01
ISBN
9787519848552
货号
1202133076
品相
全新
分类
当代·工业
作者简介▼

卓伟雄(Wee Hyong Tok)是微软公司云与企业组的信息管理和机器学习(IMML)团队的资深程序经理。Wee Hyong带来了数十年跨行业和学术的数据库系统经验。在获得博士学位之前,Wee Hyong是新加坡一个大型电信公司的系统分析师。Wee Hyong是SQL Server方向的最有价值专家(MVP),专注于商业智能和数据挖掘领域。他率先在东南亚开展数据挖掘训练营,为IT专家带来知识和技术,使他们可以在他们的组织里使用分析工具把原始数据转成洞察。他加入微软并在SQL Server团队里工作,负责塑造SSIS Server,并在SQL Server 2012里把它从概念变成实现。Wee Hyong拥有新加坡国立大学的计算机科学的博士学位和计算方面的硕士学位(获得一等荣誉)。他发表过21篇同行评审的学术论文和期刊文章。他是以下书籍的合著者:《Predictive Analytics with Microsoft Azure Machine Learning》《Introducing Microsoft Azure HD Insight》和《Microsoft SQL Server 2012 Integration Services》。

目录▼

序1

前言3

第1部分自动机器学习

第1章机器学习:概述和最佳实践9

机器学习:简要回顾10

模型参数12

超参数13

机器学习项目的最佳实践14

理解决策过程14

建立性能指标15

强调透明度以获得信任16

勇于实验17

不要孤军作战17

迭代而耗时的过程19

特征工程20

算法选择22

超参数调整22

端到端过程22

增长的需求24

小结27

第2章自动机器学习如何工作28

什么是自动机器学习?28

理解数据28

检测任务31

选择评价指标32

特征工程33

选择模型37

监控和重训练41

综合41

Automated ML42

Automated ML如何工作42

保留隐私43

支持透明度44

防护45

端到端模型生命周期管理46

小结46

第2部分Azure的Automated ML

第3章开始使用微软Azure机器学习和Automated ML49

机器学习过程49

协作和监控50

部署51

为Automated ML建立一个Azure机器学习工作区51

AzureNotebooks59

NotebookVM69

小结70

第4章特征工程和自动机器学习71

Automated ML中可用的数据预处理方法73

Automated ML的自动特征化74

分类和回归的自动特征化76

时间序列预报的自动特征化82

小结88

第5章部署自动机器学习模型89

部署模型89

注册模型92

创建容器映像95

部署模型进行测试100

测试已部署的模型104

部署到AKS105

Web服务的Swagger文档107

调试部署109

Web服务部署失败109

小结112

第6章分类和回归113

为什么使用分类和回归?113

分类和回归算法116

使用Automated ML完成分类和回归118

小结134

第3部分企业如何使用自动机器学习

第7章使用Automated ML支持模型可解释性和透明性137

模型可解释性137

Azure机器学习的模型可解释性139

模型透明性149

理解Automated ML模型流水线150

防护150

小结152

第8章开发人员使用Automated ML153

AzureDatabricks和ApacheSpark153

MLNET167

SQLServer169

小结169

第9章所有人使用Automated ML171

Azure门户UI172

PowerBI181

准备数据182

Automated ML训练184

理解最佳模型186

理解Automated ML训练过程189

模型部署和推理191

支持协作191

Azure机器学习到PowerBI191

PowerBIAutomated ML到Azure机器学习194

小结194

作者介绍197

封面介绍198

文摘▼

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AutomatedML,如AzureDatabricks、ML.NET和SQLServer。

探索推动机器学习大众化的工具。

¥16.17
🛒购物车