51Testing独家连载:机器学习测试入门与实践

发表于:2020-10-10 09:41

字体: | 上一篇 | 下一篇 | 我要投稿

 作者:融360 AI 测试团队    来源:51Testing软件测试网原创

分享:
  目录
  第一部分 基础知识
  第1章 机器学习的发展和应用 2
  1.1 什么是机器学习 2
  1.2 机器学习的发展 3
  1.3 机器学习的应用 5
  1.3.1 数据挖掘 5
  1.3.2 人脸检测 6
  1.3.3 人机对弈 7
  1.3.4 机器翻译 7
  1.3.5 自动驾驶 7
  1.3.6 其他应用 8
  1.4 本章小结 8
  第2章 Python编程基础 9
  2.1 Python概述 9
  2.2 Python平台搭建 9
  2.2.1 Python环境部署 9
  2.2.2 Python运行方式 12
  2.3 Python语法基础 14
  2.3.1 Python编程规范 14
  2.3.2 基本数据类型 15
  2.3.3 Python编程基础 18
  2.3.4 模块和包 21
  2.3.5 文件操作 22
  2.4 本章小结 23
  第3章 数据分析基础 24
  3.1 数据分析概述 24
  3.1.1 什么是数据分析 24
  3.1.2 数据分析的步骤 24
  3.1.3 常用的数据分析策略 26
  3.1.4 数据分析方法 27
  3.1.5 数据分析工具 28
  3.2 Python中常用的数据分析库 29
  3.2.1 Numpy 29
  3.2.2 Pandas 33
  3.2.3 Matplotlib 37
  3.2.4 SciPy 39
  3.3 利用Python进行数据分析 42
  3.3.1 数据加载、存储 42
  3.3.2 数据清洗和准备 46
  3.3.3 数据规整 54
  3.3.4 数据可视化 61
  3.3.5 数据分组和聚合 64
  3.3.6 数据分析案例 70
  3.4 本章小结 77
  第4章 机器学习基础 78
  4.1 机器学习简介 78
  4.1.1 机器学习中的基本概念 78
  4.1.2 机器学习分类及训练方式 79
  4.1.3 机器学习三要素 81
  4.2 机器学习库 83
  4.2.1 Scikit-learn 83
  4.2.2 StatsModels 87
  4.3 机器学习算法 89
  4.3.1 回归算法 89
  4.3.2 支持向量机 91
  4.3.3 决策树 92
  4.3.4 聚类 94
  4.3.5 降维 100
  4.3.6 集成学习 102
  4.3.7 神经网络 106
  4.3.8 常用模型的特点和应用场景 109
  4.4本章小结 111
  第二部分 大数据测试
  第5章 大数据基础 114
  5.1 什么是大数据 114
  5.2 Hadoop生态系统 115
  5.2.1 HDFS 116
  5.2.2 MapReduce 118
  5.2.3 Hive 121
  5.2.4 HBase 124
  5.2.5 Storm、Spark和Flink 131
  5.3 数据仓库与ETL流程 133
  5.3.1 什么是ETL 133
  5.3.2 什么是数据仓库 134
  5.3.3 数据仓库的架构 135
  5.4 本章小结 136
  第6章 大数据测试指南 137
  6.1 大数据测试概述 137
  6.1.1 什么是大数据测试 137
  6.1.2 大数据测试与传统数据测试差异 138
  6.2 大数据ETL测试 139
  6.2.1 ETL测试流程 139
  6.2.2 ETL测试方法 140
  6.2.3 ETL测试场景 143
  6.3 本章小结 147
  第7章 大数据工具实践 148
  7.1 大数据测试工具 148
  7.1.1 大数据测试的痛点 148
  7.1.2 大数据测试工具easy_data_test的设计 149
  7.1.3 大数据测试工具easy_data_test的使用 152
  7.1.4 大数据测试工具展望 157
  7.2 数据质量监控平台 157
  7.2.1 数据质量把控环节 158
  7.2.2 数据质量评估要点 158
  7.2.3 数据质量监控平台设计 159
  7.3 数据调度平台 163
  7.3.1 调度系统概述 163
  7.3.2 Azkaban概述 163
  7.3.3 Azkaban实践 164
  7.4 本章小结 168
  第三部分 模型测试
  第8章 机器学习测试基础 170
  8.1 机器学习生命周期 170
  8.2 机器学习测试难点 173
  8.3 机器学习测试重点 174
  8.4 模型工程服务测试 176
  8.4.1 单元测试 177
  8.4.2 集成测试 178
  8.4.3 系统测试 179
  8.5 A B测试 180
  8.5.1 A B测试 180
  8.5.2 做A B测试的原因 181
  8.5.3 A B测试在机器学习模型中的应用 181
  8.6 本章小结 182
  第9章 特征专项测试 184
  9.1 特征工程简介 184
  9.1.1 数据探索 184
  9.1.2 数据预处理 185
  9.1.3 特征构建 190
  9.1.4 特征选择 190
  9.2 特征测试方法 191
  9.2.1 特征指标分析 191
  9.2.2 特征稳定性测试 198
  9.3 特征测试实践 199
  9.3.1 特征指标分析实践 199
  9.3.2 特征可视化实践 203
  9.3.3 特征稳定性测试实践 207
  9.3.4 特征监控实践 211
  9.4 本章小结 212
  第10章 模型算法评估测试 213
  10.1 模型算法评估基础 213
  10.1.1 模型算法评估概述 213
  10.1.2 样本数据划分策略 214
  10.1.3 统计学指标与统计图 216
  10.1.4 模型算法评估指标 217
  10.2 模型算法的测试方法 223
  10.2.1 模型蜕变测试 223
  10.2.2 模型模糊测试 226
  10.2.3 模型鲁棒性测试 227
  10.2.4 模型安全测试 229
  10.2.5 模型可解释性测试 230
  10.2.6 模型在线测试 233
  10.2.7 模型监控与迭代 234
  10.3 不同应用场景下模型算法的评测 235
  10.3.1 图像分类应用场景下的模型算法评测 235
  10.3.2 推荐应用场景下的模型算法评测 236
  10.3.3 金融风控应用场景下的模型算法评测 239
  10.4 本章小结 241
  第四部分 模型工程
  第11章 模型评估平台实践 244
  11.1 模型评估平台背景 244
  11.2 模型评估平台的设计 245
  11.2.1 平台需求分析 245
  11.2.2 平台架构设计 246
  11.3 模型评估平台展示 253
  11.3.1 模型配置规则 253
  11.3.2 模型评估指标 255
  11.3.3 模型评估报告 261
  11.4 模型评估平台总结 263
  11.4.1 回顾 264
  11.4.2 展望 265
  11.5 本章小结 266
  第12章 机器学习工程技术 267
  12.1 机器学习平台概述 267
  12.1.1 机器学习平台发展历程 267
  12.1.2 主流的机器学习平台 269
  12.1.3 机器学习平台的建设 270
  12.2 数据与建模工程技术 272
  12.2.1 数据采集 272
  12.2.2 数据存储 272
  12.2.3 数据加工 273
  12.2.4 样本数据 274
  12.2.5 特征工程 275
  12.2.6 模型构建 275
  12.3 模型部署工程技术 279
  12.3.1 模型部署概述 279
  12.3.2 模型发布方式 279
  12.3.3 模型线上监控 284
  12.4 本章小结 286
  第13章 机器学习的持续交付 287
  13.1 机器学习持续交付的介绍与定义 287
  13.1.1 持续交付 287
  13.1.2 机器学习持续交付的定义 289
  13.2 机器学习持续交付的主要挑战 290
  13.2.1 组织流程的挑战 290
  13.2.2 复杂技术的挑战 292
  13.3 如何构建机器学习管道 292
  13.3.1 机器学习管道概述 293
  13.3.2 构建机器学习管道 293
  13.3.3 Pipeline(管道)设计的关注点 307
  13.3.4 Pipeline的技术组件 307
  13.4 本章小结 309
  第五部分 AIInTest
  第14章 AI在测试领域的探索与实践 312
  14.1 测试发展面临的挑战 312
  14.2 AI在测试领域的应用及优势 313
  14.3 业界智能化测试案例介绍 314
  14.3.1 AI在测试效能方面的探索 315
  14.3.2 AI在自动化测试方面的实践 317
  14.4 主流AI测试工具简介 320
  14.5 本章小结 322
  第15章 AI时代测试工程师的未来 324
  15.1 AI对测试未来发展的影响 324
  15.2 AI时代测试工程师的定位 325
  15.3 测试工程师的AI学习路线 326
  15.4 本章小结 328
  参考文献 329


51Testing软件测试网将在近期对本书部分章节进行独家连载,敬请关注
查看更多《51Testing软件测试网作品系列》:http://www.51testing.com/html/36/category-catid-136.html
33/3<123
《2023软件测试行业现状调查报告》独家发布~

关注51Testing

联系我们

快捷面板 站点地图 联系我们 广告服务 关于我们 站长统计 发展历程

法律顾问:上海兰迪律师事务所 项棋律师
版权所有 上海博为峰软件技术股份有限公司 Copyright©51testing.com 2003-2024
投诉及意见反馈:webmaster@51testing.com; 业务联系:service@51testing.com 021-64471599-8017

沪ICP备05003035号

沪公网安备 31010102002173号