《机器学习的训练数据：从注释到数据科学的人工监督(Training Data for Machine Learning: Human Supervision from Annotation to Data Science)》

训练数据与数据项目的成功与算法本身一样重要 - 深度学习系统中的大多数失败都与训练数据有关。但是，虽然训练数据是成功机器学习的基础，但很少有全面的资源可以帮助您完成这一过程。本实践指南介绍了如何使用和缩放训练数据。通过学习本书，数据科学专业人员和机器学习工程师将深入了解以下方面所需的概念、工具和流程：

• 为生产级深度学习应用程序设计、部署和交付训练数据
• 与不断增长的工具生态系统集成
• 识别并纠正新的基于训练数据的故障模式
• 提高现有系统性能并避免开发风险
• 自信地使用自动化和加速方法更有效地创建训练数据
• 通过围绕创建的数据集构建元数据来避免数据丢失
• 向主题专家和其他股东清楚地解释训练数据概念
• 成功维护、操作和改进您的系统