《人工智能测试——模型评价与项目实战》
目标读者
有一定的测试经验，对人工智能测试感兴趣的人。
对于想了解人工智能项目测试工作是如何开展的算法工程师和人工智能产品经理。
本书的组织结构
本书由三大部分：基础篇、测试篇、实战篇，共10章组成。
第一部分 基础篇
第一部分 包括第1章 ~ 第3章
第1章
介绍人工智能、机器学习、推荐系统、深度学习等一些基本概念，并阐述之间的关系。从测试角度解析。
列出扩展学习的学习资料。
第2章
介绍算法、模型、数据集、模型评价等内容。
第3章
介绍基础使用的python包，scikit-learn、numpy、pandas、tensorflow，安装等。
第二部分 测试篇
第二部分 包括第4章 ~ 第7章
第4章
介绍项目流程、人工智能测试的测试类型有哪些、测试前需要了解什么，测试前测试准备什么。
第5章
模型评价测试
分类算法模型评价指标：准确率(Accuracy)，精确率(Precision)，召回率(Recall)、F1-Measure、Confusion Matrix（混淆矩阵）ROC曲线、AUC（ROC曲线下的面积）
回归算法模型评价指标：
MSE(均方误差)，RMSE（均方根误差），MAE（平均绝对误差）、R-Squared（拟合度）
聚类算法模型评价指标：
画图直观评价
Silhouette Coefficient（轮廓系数）
ARI(Adjusted Rand index)
评价指标举例，易于理解。
第6章
稳定性/鲁棒性测试
系统测试
接口测试
第7章
自然语言处理–语义测试
第三部分 实战篇
第三部分 包括第8章 ~ 第10章
第8章
机器学习项目
第9章
推荐系统项目
第10章
计算机视觉项目（图像识别）项目
人检检测、人脸识别
附录
测试报告模板