敏捷数据工程项目开发：高效机器学习团队管理

　　《敏捷数据工程项目开发：高效机器学习团队管理》通过示例向你展示如何通过敏捷过程交付优秀的数据产品，以及如何组织和管理快节奏的团队，在生产环境中解决大规模的新数据问题。它将为你提供组织工作的方法，如何为数据设置可交付成果，如何在看似永无止境的任务中管理时间，如何理解数据，以及如何增加团队的透明度。书中所有的例子都来自真实的团队、真实的会议和真实的数据。《敏捷数据工程项目开发：高效机器学习团队管理》适用于团队管理人员或项目负责人，比如基于机器学习的开发团队，或基于推理组件的产品研发团队。任何一个项目数据流（包括数据的抽样、标记、训练、测试、改进和维护数据模型）的负责人，以及系统数据测量负责人都会发现这《敏捷数据工程项目开发：高效机器学习团队管理》很有用。读者应当熟悉软件工程，理解机器学习以及与数据相关的基础知识。

　　埃里克·卡特（Eric Carter），在微软的Bing搜索引擎和Cortana团队任职工程经理，主要负责团队产品、评论、业务列表、电子邮件和日历的搜索功能研发，他当前致力于微软的白板产品的开发。马修·赫斯特（Matthew Hurst），在微软的机器培训组任职首席工程经理和应用科学家，他曾任职于微软的许多团队，比如Bing文档理解团队、本地搜索团队以及各种创新团队。

前言
关于作者
关于技术审查人
第1章 尽早交付
1．1 入门
1．2 用于规划的数据分析
1．3 创造价值
1．4 从尽早交付到持续交付
1．4．1 更多实体
1．4．2 更多属性
1．4．3 更多市场
1．4．4 更高的质量
1．4．5 平台即产品：更多垂直商业和客户
1．5 尽早且持续交付价值
1．6 结论
第2章 需求变化
2．1 为变化而构建
2．1．1 为变化而构建度量
2．1．2 为变化而构建管道
2．1．3 为变化而构建模型
2．1．4 为变化而构建架构
2．2 为变化而构建测试和监控
2．2．1 监控增量变化：数据DRI
2．2．2 哨兵实体
2．2．3 日常判断指标
2．2．4 测试特征
2．2．5 测试学习后的模型
2．2．6 带标签的训练数据
2．3 响应客户DSAT
2．3．1 确定DSAT的类别
2．3．2 定期自我评估：数据滚动和质量审查
2．3．3 度量竞争对手
2．4 结论
第3章 持续交付
3．1 验证代码更改
3．2 持续集成系统
3．3 持续部署系统
3．4 验证数据更改
3．5 持续部署数据
3．6 决定发布什么
3．7 结论
第4章 与业务人员保持一致
4．1 日常的重要性
4．2 集中办公的优势
4．3 业务驱动的Scrum团队
4．4 与业务人员合作了解数据
4．5 帮助业务人员了解机器学习的局限性
……
第5章 激发个体
第6章 有效沟通
第7章 监控
第8章 可持续开发
第9章 技术卓越
第10章 简洁
第11章 自组织团队
第12章 调整
第13章 总结