书籍

人工智能实战手册

掌握部署机器学习的高深艺术

埃里克·西格尔

MIT Press, 2024

购买此书

离线阅读

Amazon Kindle

评级

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↓

快速登录后即可发言

人工智能实战手册

掌握部署机器学习的高深艺术

离线阅读

评级

关键特征

导读荐语

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。

关于作者

我的标记

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↓

猜你喜欢

同主题延伸阅读

AI应用实战指南

数据科学助你取得成功

AI重新定义企业

用数据和人工智能驱动数字化转型

成为那个不可替代的人

与人工智能一起工作

相关技能