Eksperymenty dla inżynierów: Od testów A/B do optymalizacji bayesowskiej

Opinie czytelników

Książka przedstawia dogłębną eksplorację zaawansowanych technik eksperymentalnych, dzięki czemu jest odpowiednia dla naukowców zajmujących się danymi i inżynierów poszukujących optymalizacji systemów za pomocą rygorystycznych metod, takich jak testy A / B, wieloramienni bandyci i optymalizacja bayesowska.

Dobrze skonstruowany dla zaawansowanych tematów, praktyczne przykłady, łatwy do zrozumienia język, odpowiedni zarówno dla czytelników technicznych, jak i nietechnicznych, zawiera umiarkowane użycie formuł, kładzie nacisk na metody obliczeniowe i statystyczne.

⬤ Nie jest przyjazna dla początkujących
⬤ zakłada pewną wcześniejszą znajomość Pythona i statystyki
⬤ może wymagać dodatkowego wysiłku, aby w pełni zrozumieć koncepcje dla osób bez silnego zaplecza.

(na podstawie 3 opinii czytelników)

Oryginalny tytuł:

Experimentation for Engineers: From A/B Testing to Bayesian Optimization

Zawartość książki:

Zoptymalizuj wydajność swoich systemów dzięki praktycznym eksperymentom stosowanym przez inżynierów w najbardziej konkurencyjnych branżach na świecie.

W Experimentation for Engineers: From A/B testing to Bayesian optimization dowiesz się jak:

Projektować, przeprowadzać i analizować testy A/B.

Przerwać "pętle sprzężenia zwrotnego" spowodowane okresowym przekwalifikowaniem modeli ML.

Zwiększyć szybkość eksperymentowania z wielorękimi bandytami.

Eksperymentalne dostrajanie wielu parametrów za pomocą optymalizacji bayesowskiej.

Jasne zdefiniowanie wskaźników biznesowych wykorzystywanych do podejmowania decyzji.

Identyfikacja i unikanie typowych pułapek eksperymentowania.

Eksperymenty dla inżynierów: Od testów A/B do optymalizacji bayesowskiej to zestaw narzędzi do oceny nowych funkcji i dostrajania parametrów. Zaczniesz od dogłębnego zapoznania się z metodami takimi jak testy A/B, a następnie przejdziesz do zaawansowanych technik wykorzystywanych do pomiaru wydajności w branżach takich jak finanse i media społecznościowe. Dowiesz się, jak oceniać zmiany wprowadzane w systemie i upewnić się, że testowanie nie wpływa negatywnie na przychody lub inne wskaźniki biznesowe. Przed ukończeniem kursu będziesz w stanie płynnie wdrażać eksperymenty w produkcji, unikając jednocześnie typowych pułapek.

Zakup książki drukowanej obejmuje bezpłatny eBook w formatach PDF, Kindle i ePub od Manning Publications.

O technologii.

Czy moje oprogramowanie naprawdę działa? Czy wprowadzone przeze mnie zmiany poprawiły czy pogorszyły sytuację? Czy powinienem zamienić funkcje na wydajność? Eksperymenty to jedyny sposób, aby odpowiedzieć na takie pytania. Ta wyjątkowa książka ujawnia zaawansowane praktyki eksperymentalne opracowane i sprawdzone w najbardziej konkurencyjnych branżach na świecie, które pomogą Ci ulepszyć systemy uczenia maszynowego, aplikacje i rozwiązania handlu ilościowego.

O książce.

Eksperymenty dla inżynierów: From A/B testing to Bayesian optimization dostarcza zestaw narzędzi do optymalizacji systemów oprogramowania. Zaczniesz od poznania ograniczeń testów A/B, a następnie przejdziesz do zaawansowanych strategii eksperymentalnych, które wykorzystują uczenie maszynowe i metody probabilistyczne. Umiejętności, które opanujesz w tym praktycznym przewodniku, pomogą ci zminimalizować koszty eksperymentów i szybko ujawnią, które podejścia i funkcje zapewniają najlepsze wyniki biznesowe.

Co zawiera.

Zaprojektuj, przeprowadź i przeanalizuj test A/B.

Przerwij "pętle sprzężenia zwrotnego" spowodowane okresowym przekwalifikowaniem modeli ML.

Zwiększ wskaźnik eksperymentów dzięki wielorękim bandytom.

Eksperymentalne dostrajanie wielu parametrów za pomocą optymalizacji bayesowskiej.

O czytelniku.

Dla inżynierów ML i inżynierów oprogramowania, którzy chcą wydobyć jak najwięcej wartości ze swoich systemów. Przykłady w Pythonie i NumPy.

O autorze.

David Sweet pracował jako trader ilościowy w GETCO i inżynier uczenia maszynowego w Instagramie. Wykłada w programach magisterskich AI i Data Science na Yeshiva University.

Spis treści.

1 Optymalizacja systemów poprzez eksperymenty.

2 Testy A/B: Ocena modyfikacji systemu.

3 Wieloręcy bandyci: Maksymalizacja wskaźników biznesowych podczas eksperymentowania.

4 Metodologia powierzchni odpowiedzi: Optymalizacja parametrów ciągłych.

5 Bandyci kontekstowi: Podejmowanie ukierunkowanych decyzji.

6 Optymalizacja bayesowska: Automatyzacja optymalizacji eksperymentalnej.

7 Zarządzanie wskaźnikami biznesowymi.

8 Uwagi praktyczne.