機器學習設(shè)計模式（中文版）

　　本書中的設(shè)計模式針對機器學習中反復出現(xiàn)的問題給出最佳實踐和解決方案。作者為來自谷歌的三位工程師，他們整理了已證實的方法，幫助數(shù)據(jù)科學家解決整個機器學習過程中的常見問題。這些設(shè)計模式將數(shù)百位專家的經(jīng)驗轉(zhuǎn)化成直接、易懂的建議。 在這本書中，你會找到關(guān)于數(shù)據(jù)和問題表示、操作化、可重復性、可復現(xiàn)性、靈活性、可解釋性和公平性的30種模式的詳細解釋。每個模式包括對問題的描述、各種可能的解決方案，以及針對你的情況選擇最佳技術(shù)的建議。

　　Valliappa（Lak）Lakshmanan是谷歌云數(shù)據(jù)分析和人工智能解決方案的全球負責人。Sara Robinson是谷歌云團隊的開發(fā)者和倡導者，專注于機器學習。Michael Munn是谷歌的機器學習解決方案工程師，他幫助客戶設(shè)計、實現(xiàn)和部署機器學習模型。