第1篇 機(jī)器學(xué)習(xí)建模的調(diào)試 第1章 代碼調(diào)試 1.1 技術(shù)要求 1.2 機(jī)器學(xué)習(xí)概覽 1.3 機(jī)器學(xué)習(xí)建模的類型 1.3.1 監(jiān)督學(xué)習(xí) 1.3.2 無監(jiān)督學(xué)習(xí) 1.3.3 自監(jiān)督學(xué)習(xí) 1.3.4 半監(jiān)督學(xué)習(xí) 1.3.5 強(qiáng)化學(xué)習(xí) 1.3.6 生成式機(jī)器學(xué)習(xí) 1.4 軟件開發(fā)中的調(diào)試 1.4.1 Python中的錯(cuò)誤消息 1.4.2 調(diào)試技巧 1.4.3 調(diào)試器 1.4.4 高質(zhì)量Python編程的 實(shí)踐 1.4.5 版本控制 1.4.6 Python之外的調(diào)試 1.5 用于建模的數(shù)據(jù)中的缺陷 1.5.1 數(shù)據(jù)格式和結(jié)構(gòu) 1.5.2 數(shù)據(jù)數(shù)量和質(zhì)量 1.5.3 數(shù)據(jù)偏差 1.6 以模型和預(yù)測(cè)為中心的調(diào)試 1.6.1 欠擬合和過擬合 1.6.2 模型測(cè)試和生產(chǎn)環(huán)境中的推理 1.6.3 用于改變?nèi)驳臄?shù)據(jù)或超參數(shù) 1.7 小結(jié) 1.8 思考題 1.9 參考文獻(xiàn) 第2章 機(jī)器學(xué)習(xí)生命周期 2.1 技術(shù)要求 2.2 在開始建模之前需要了解的事項(xiàng) 2.3 數(shù)據(jù)收集 2.4 數(shù)據(jù)選擇 2.5 數(shù)據(jù)探索 2.6 數(shù)據(jù)整理 2.6.1 結(jié)構(gòu)化 2.6.2 充實(shí)和豐富 2.6.3 數(shù)據(jù)轉(zhuǎn)換 2.6.4 數(shù)據(jù)清洗 2.7 建模數(shù)據(jù)準(zhǔn)備 2.7.1 特征選擇和提取 2.7.2 設(shè)計(jì)評(píng)估和測(cè)試策略 2.8 模型訓(xùn)練與評(píng)估 2.9 測(cè)試代碼和模型 2.10 模型部署與監(jiān)控 2.11 小結(jié) 2.12 思考題 2.13 參考文獻(xiàn) 第3章 為實(shí)現(xiàn)負(fù)責(zé)任的人工智能而進(jìn)行調(diào)試 3.1 技術(shù)要求 3.2 機(jī)器學(xué)習(xí)中的公正建模公平性 3.2.1 數(shù)據(jù)偏差 3.2.2 算法偏差 3.3 機(jī)器學(xué)習(xí)中的安全和隱私 3.3.1 數(shù)據(jù)隱私 …… 第2篇 改進(jìn)機(jī)器學(xué)習(xí)模型 第3篇 低錯(cuò)誤的機(jī)器學(xué)習(xí)開發(fā)與部署 第4篇 深度學(xué)習(xí)建模 第5篇 模型調(diào)試的 主題 附錄A 思考題答案