机读格式显示(MARC)

• 000 01928nam0 2200349 450

• 001 0000610334

• 010 __ |a 978-7-5641-9677-6 |d CNY128.00

• 100 __ |a 20230220d2022 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 320000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 机器学习设计模式 |A ji qi xue xi she ji mo shi |f Valliappa Lakshmanan, Sara Robinson, Michael Munn著 |g 孙蒙 ... [等] 译

• 210 __ |a 南京 |c 东南大学出版社 |d 2022.9

• 215 __ |a x, 376页 |c 图 |d 24cm

• 304 __ |a 题名页题: 孙蒙, 邹霞, 贾冲, 王艺敏译

• 306 __ |a 简体中文版由东南大学出版社出版2022。英文原版的翻译得到O'Reilly Media, Inc.的授权

• 312 __ |a 英文题名原文取自封面

• 314 __ |a 责任者Lakshmanan规范汉译姓: 拉克什曼南; 责任者Robinson规范汉译姓: 罗宾逊; 责任者Munn规范汉译姓: 穆恩

• 314 __ |a Valliappa Lakshmanan, 是谷歌云数据分析和人工智能解决方案的全球负责人。Sara Robinson, 是谷歌云团队的开发者和倡导者, 专注于机器学习。Michael Munn, 是谷歌的机器学习解决方案工程师。孙蒙, 博士, 陆军工程大学副教授。邹霞, 博士, 陆军工程大学副教授。

• 320 __ |a 有书目

• 330 __ |a 本书中的设计模式针对机器学习中反复出现的问题给出最佳实践和解决方案。作者为来自谷歌的三位工程师, 他们整理了已证实的方法, 帮助数据科学家解决整个机器学习过程中的常见问题。这些设计模式将数百位专家的经验转化成直接、易懂的建议。在这本书中, 你会找到关于数据和问题表示、操作化、可重复性、可复现性、灵活性、可解释性和公平性的30种模式的详细解释。每个模式包括对问题的描述、各种可能的解决方案, 以及针对你的情况选择最佳技术的建议。

• 333 __ |a 人工智能相关研究人员

• 500 10 |a Machine learning design patterns |m Chinese

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _1 |a 拉克什曼南 |A la ke shi man nan |g (Lakshmanan, Valliappa) |4 著

• 701 _1 |a 罗宾逊 |A luo bin xun |g (Robinson, Sara) |4 著

• 701 _1 |a 穆恩 |A mu en |g (Munn, Michael) |4 著

• 702 _0 |a 孙蒙 |A sun meng |4 译

• 702 _0 |a 邹霞 |A zou xia |4 译

• 801 _0 |a CN |b 上海新华 |c 20230220