Avis des lecteurs
Résumé:Le livre présente une exploration approfondie des techniques d'expérimentation avancées, ce qui le rend approprié pour les scientifiques des données et les ingénieurs qui cherchent à optimiser les systèmes par des méthodes rigoureuses comme les tests A/B, les bandits à plusieurs bras et l'optimisation bayésienne.
Avantages:Bien structuré pour les sujets avancés, exemples pratiques fournis, langage facile à comprendre, applicable aux lecteurs techniques et non techniques, comprend une utilisation modérée de formules, met l'accent sur les méthodes informatiques et statistiques.
Inconvénients:⬤ N'est pas adapté aux débutants
⬤ suppose une certaine connaissance préalable de Python et des statistiques
⬤ peut nécessiter un effort supplémentaire pour saisir pleinement les concepts pour ceux qui n'ont pas de solides connaissances.
(basé sur 3 avis de lecteurs)
Titre original :
Experimentation for Engineers: From A/B Testing to Bayesian Optimization
Contenu du livre :
Optimisez les performances de vos systèmes grâce à des expériences pratiques utilisées par les ingénieurs des industries les plus compétitives au monde.
Dans Experimentation for Engineers : Des tests A/B à l'optimisation bayésienne, vous apprendrez à :
Concevoir, exécuter et analyser un test A/B.
Rompre les "boucles de rétroaction" causées par le réentraînement périodique des modèles ML.
Augmenter le taux d'expérimentation avec des bandits à plusieurs bras.
Ajuster plusieurs paramètres de manière expérimentale avec l'optimisation bayésienne.
Définir clairement les paramètres commerciaux utilisés pour la prise de décision.
Identifier et éviter les pièges courants de l'expérimentation.
L'expérimentation pour les ingénieurs : Des tests A/B à l'optimisation bayésienne est une boîte à outils de techniques permettant d'évaluer de nouvelles fonctionnalités et d'affiner les paramètres. Vous commencerez par un examen approfondi de méthodes telles que les tests A/B, puis vous passerez à des techniques avancées utilisées pour mesurer les performances dans des secteurs tels que la finance et les médias sociaux. Vous apprendrez à évaluer les changements que vous apportez à votre système et à vous assurer que vos tests ne nuisent pas au chiffre d'affaires ou à d'autres indicateurs commerciaux. À la fin de votre formation, vous serez en mesure de déployer des expériences en production de manière transparente tout en évitant les pièges les plus courants.
L'achat du livre imprimé inclut un livre électronique gratuit aux formats PDF, Kindle et ePub de Manning Publications.
À propos de la technologie.
Mon logiciel fonctionne-t-il vraiment ? Les changements que j'ai apportés ont-ils amélioré ou empiré les choses ? Dois-je échanger des fonctionnalités contre des performances ? L'expérimentation est le seul moyen de répondre à ce genre de questions. Ce livre unique révèle des pratiques d'expérimentation sophistiquées, développées et éprouvées dans les secteurs les plus compétitifs du monde, qui vous aideront à améliorer les systèmes d'apprentissage automatique, les applications logicielles et les solutions de trading quantitatif.
À propos du livre.
L'expérimentation pour les ingénieurs : Des tests A/B à l'optimisation bayésienne offre une boîte à outils de processus pour l'optimisation des systèmes logiciels. Vous commencerez par apprendre les limites des tests A/B, puis vous passerez à des stratégies d'expérimentation avancées qui tirent parti de l'apprentissage automatique et des méthodes probabilistes. Les compétences que vous maîtriserez dans ce guide pratique vous aideront à minimiser les coûts de l'expérimentation et à révéler rapidement les approches et les fonctionnalités qui produisent les meilleurs résultats commerciaux.
Ce qu'il y a à l'intérieur.
Concevoir, exécuter et analyser un test A/B.
Rompre les "boucles de rétroaction" causées par le réentraînement périodique des modèles ML.
Augmenter le taux d'expérimentation avec des bandits à plusieurs bras.
Ajustez plusieurs paramètres de manière expérimentale grâce à l'optimisation bayésienne.
A propos du lecteur.
Pour les ingénieurs ML et les ingénieurs logiciels qui cherchent à extraire le maximum de valeur de leurs systèmes. Exemples en Python et NumPy.
A propos de l'auteur.
David Sweet a travaillé en tant que trader quantitatif chez GETCO et ingénieur en apprentissage automatique chez Instagram. Il enseigne dans les programmes de maîtrise en IA et en science des données à l'Université Yeshiva.
Table des matières.
1 Optimiser les systèmes par l'expérimentation.
2 Tests A/B : Évaluer une modification de votre système.
3 Les bandits à plusieurs bras : Maximiser les paramètres commerciaux tout en expérimentant.
4 Méthodologie de la surface de réponse : Optimisation des paramètres continus.
5 Les bandits contextuels : Prendre des décisions ciblées.
6 Optimisation bayésienne : Automatisation de l'optimisation expérimentale.
7 Gestion des paramètres commerciaux.
8 Considérations pratiques.
Autres informations sur le livre :
| ISBN : | 9781617298158 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
| Année de publication : | 2023 |
| Nombre de pages : | 248 |
Achat:
Actuellement disponible, en stock.
