本書全面且系統(tǒng)地介紹了機器學習測試技術(shù)與質(zhì)量體系建設(shè)，分為5部分，共15章。部分（～4章）涵蓋了機器學習、Python編程、數(shù)據(jù)分析的基礎(chǔ)知識；第二部分（第5～7章）介紹了大數(shù)據(jù)基礎(chǔ)、大數(shù)據(jù)測試指南及相關(guān)工具實踐；第三部分（第8～10章）講解了機器學習測試基礎(chǔ)、特征專項測試及模型算法評估測試；第四部分（1～13章）介紹了模型評估平臺實踐、機器學習工程技術(shù)及機器學習的持續(xù)交付流程；第五部分（4章和5章）探討了AI（Artifi Intelligence）在測試領(lǐng)域的實踐及AI時代測試工程師的未來。本書能夠幫助讀者了解機器學習是如何工作的，了解機器學習的質(zhì)量保障是如何進行的。工程開發(fā)人員和測試工程師通過閱讀本書，可以系統(tǒng)化地了解大數(shù)據(jù)測試、特征測試及模型評估等知識；算法工程師通過閱讀本書，可以學習模型評測的方法和拓寬模型工程實踐的思路；技術(shù)專家和技術(shù)管理者通過閱讀本書，可以了解機器學習質(zhì)量保障與工程效能的建設(shè)方案。
|
