本书全面且系统地介绍了机器学习测试技术与质量体系建设，分为5部分，共15章。部分（～4章）涵盖了机器学习、Python编程、数据分析的基础知识；第二部分（第5～7章）介绍了大数据基础、大数据测试指南及相关工具实践；第三部分（第8～10章）讲解了机器学习测试基础、特征专项测试及模型算法评估测试；第四部分（1～13章）介绍了模型评估平台实践、机器学习工程技术及机器学习的持续交付流程；第五部分（4章和5章）探讨了AI（Artifi Intelligence）在测试领域的实践及AI时代测试工程师的未来。本书能够帮助读者了解机器学习是如何工作的，了解机器学习的质量保障是如何进行的。工程开发人员和测试工程师通过阅读本书，可以系统化地了解大数据测试、特征测试及模型评估等知识；算法工程师通过阅读本书，可以学习模型评测的方法和拓宽模型工程实践的思路；技术专家和技术管理者通过阅读本书，可以了解机器学习质量保障与工程效能的建设方案。
|
