作品简介

本书展示了如何在业务场景中应用机器学习,以使业务流程更快、更灵活地适应变化。本书分为三个部分。第一部分介绍有效的决策如何帮助公司提高生产率以保持竞争力,阐释如何使用开源工具和AWS工具将机器学习应用于业务决策中。第二部分以虚拟人物为主线,研究六个场景,这些场景展示了如何使用机器学习来制定各种业务决策。第三部分讨论如何在Web上设置和共享机器学习模型,以便公司使用机器学习进行决策,还介绍了一些案例,表明公司如何应对使用机器学习进行决策时所带来的变化。

道格·哈金(Doug Hudgeon)

业务自动化专家,Managed Functions公司CEO,擅长厘清并简化复杂的业务流程,能够将信息技术、财务和运营结合在一起,创造稳健高效的运营体系,在帮助公司实现数字化转型和组建机器学习团队等方面拥有丰富的经验。

理查德·尼科尔(Richard Nichol)

Faethm公司数据科学部门负责人,在信息通信技术、金融、交通运输等领域具有丰富的经验,擅长通过机器学习技术挖掘数据的商业价值,从而帮助公司大幅提高生产率。

作品目录

  • 版权声明
  • 说明
  • 中文版推荐序
  • 前言
  • 致谢
  • 关于本书
  • 目标读者
  • 本书组织方式:路线图
  • 关于代码
  • liveBook论坛
  • 关于作者
  • 关于封面
  • 更多信息
  • 第一部分 场景化机器学习
  • 第 1 章 机器学习如何应用于业务
  • 1.1 为什么我们的业务系统如此糟糕
  • 1.2 为什么如今自动化很重要
  • 1.3 机器如何做出决策
  • 1.4 机器能帮Karen做决策吗
  • 1.5 机器如何学习
  • 1.6 在你的公司落实使用机器学习进行决策
  • 1.7 工具
  • 1.8 配置SageMaker为解决第2~7章中的场景做准备
  • 1.9 是时候行动了
  • 1.10 小结
  • 第二部分 公司机器学习的六个场景
  • 第 2 章 你是否应该将采购订单发送给技术审批人
  • 2.1 决策
  • 2.2 数据
  • 2.3 开始你的训练过程
  • 2.4 运行Jupyter笔记本并进行预测
  • 2.5 删除端点并停止你的笔记本实例
  • 2.6 小结
  • 第 3 章 你是否应该致电客户以防客户流失
  • 3.1 你在决策什么
  • 3.2 处理流程
  • 3.3 准备数据集
  • 3.4 XGBoost基础
  • 3.5 准备构建模型
  • 3.6 构建模型
  • 3.7 删除端点并停止笔记本实例
  • 3.8 检查以确保端点已被删除
  • 3.9 小结
  • 第 4 章 你是否应该将事件上报给支持团队
  • 4.1 你在决策什么
  • 4.2 处理流程
  • 4.3 准备数据集
  • 4.4 NLP
  • 4.5 BlazingText及其工作原理
  • 4.6 准备构建模型
  • 4.7 构建模型
  • 4.8 删除端点并停止你的笔记本实例
  • 4.9 检查以确保端点已被删除
  • 4.10 小结
  • 第 5 章 你是否应该质疑供应商发送给你的发票
  • 5.1 你在决策什么
  • 5.2 处理流程
  • 5.3 准备数据集
  • 5.4 什么是异常
  • 5.5 监督机器学习与无监督机器学习
  • 5.6 随机裁剪森林及其工作原理
  • 5.7 准备构建模型
  • 5.8 构建模型
  • 5.9 删除端点并停止笔记本实例
  • 5.10 检查以确保端点已被删除
  • 5.11 小结
  • 第 6 章 预测你公司的每月能耗
  • 6.1 你在决策什么
  • 6.2 加载处理时间序列数据的Jupyter笔记本
  • 6.3 准备数据集:绘制时间序列数据
  • 6.4 神经网络是什么
  • 6.5 准备构建模型
  • 6.6 构建模型
  • 6.7 删除端点并停止你的笔记本实例
  • 6.8 检查以确保端点已被删除
  • 6.9 小结
  • 第 7 章 优化你公司的每月能耗预测
  • 7.1 DeepAR对周期性事件的处理能力
  • 7.2 DeepAR的最大优势:整合相关的时间序列
  • 7.3 整合额外的数据集到Kiara的能耗模型
  • 7.4 准备构建模型
  • 7.5 构建模型
  • 7.6 删除端点并停止你的笔记本实例
  • 7.7 检查以确保端点已被删除
  • 7.8 小结
  • 第三部分 将机器学习应用到生产环境中
  • 第 8 章 通过Web提供预测服务
  • 8.1 为什么通过Web提供决策和预测服务这么难
  • 8.2 本章的步骤概述
  • 8.3 SageMaker端点
  • 8.4 设置SageMaker端点
  • 8.5 设置无服务器API端点
  • 8.6 创建Web端点
  • 8.7 提供决策服务
  • 8.8 小结
  • 第 9 章 案例研究
  • 9.1 案例研究1:WorkPac
  • 9.2 案例研究2:Faethm
  • 9.3 结论
  • 9.4 小结
  • 附录 A 注册AWS
  • A.1 注册AWS
  • A.2 AWS账单概述
  • 附录 B 设置并使用S3以存储文件
  • B.1 在S3中创建和设置存储桶
  • B.2 在S3中设置文件夹
  • B.3 将文件上传到S3
  • 附录 C 设置并使用AWS SageMaker来构建机器学习系统
  • C.1 设置
  • C.2 从控制面板开始
  • C.3 创建笔记本实例
  • C.4 启动笔记本实例
  • C.5 将笔记本上传到笔记本实例
  • C.6 运行笔记本
  • 附录 D 停止全部服务
  • D.1 删除端点
  • D.2 停止笔记本实例
  • 附录 E 安装Python
  • 作者简介
  • 看完了
展开全部