近年來，人工智能成為科技熱點，市面上涌現(xiàn)出各式各樣的介紹書籍，大談特談人工智能發(fā)展方向和趨勢，但罕有研究聚焦人工智能技術的質(zhì)量。融360 AI測試團隊編著的《機器學習測試入門與實踐》有望改變這一尷尬局面，書籍計劃7月底出版面世。雖未正式出版，但其內(nèi)容已經(jīng)獲得眾多行業(yè)人士的認可，被稱之為“業(yè)界第一本AI測試秘籍”。

編寫團隊——融360AI測試團隊來自于融360|簡普科技NYSE:JT。融360|簡普科技是國內(nèi)知名的金融產(chǎn)品搜索和推薦平臺，開創(chuàng)了金融智選平臺模式，同時也是智能風控領域的引領者。自創(chuàng)立以來，融360|簡普科技就高度重視人工智能技術，先后組建模型算法團隊、AI研究院等，不斷結合自身的業(yè)務場景和數(shù)據(jù)，積極進行人工智能領域的應用探索。

目前，在融360|簡普科技布局已久的智能搜索、推薦、風控等領域，相關的人工智能技術得到了廣泛的應用，并取得了不錯的效果。融360|簡普科技始終認為，交流和碰撞是促使進步的動力，因此決心將融360 AI測試團隊在機器學習測試方面的實踐和經(jīng)驗積累編著成書，希望同業(yè)界一道共同推進相關技術的發(fā)展。

在書籍編撰過程中，編委會積極同行業(yè)專家學者展開交流，聽取行業(yè)人士對書籍內(nèi)容的意見和建議，得到專家學者們的高度肯定。在本書成稿后，共有32位測試專家、算法專家、技術負責人、大學教授的聯(lián)袂推薦，為《機器學習測試入門與實踐》打call。

阿里巴巴本地生活高級科學家蔣凡和同濟大學特聘教授、《全程軟件測試》作者朱少民為本書作序。

蔣凡在序言中表示：“《機器學習測試入門與實踐》一書……根據(jù)機器學習領域的研發(fā)特點，全面系統(tǒng)地總結了其在測試質(zhì)量方面可能遇到的種種問題，針對性地提出了一整套測試方法論。這套方法論既忠實遵循了傳統(tǒng)測試理論的有效機制，又創(chuàng)新性地涵蓋了機器學習在樣本選擇、特征抽取、模型構建及效果評估等流程中遇到的新挑戰(zhàn)，幫助我們對測試質(zhì)量保證領域的前沿進展有了更新的認識?！?/p>

朱少民也表示：“今天很高興有這樣一本書，告訴我們?nèi)绾吾槍χ悄芟到y(tǒng)進行測試。例如，特征專項測試和模型算法評估測試。這方面的測試，也是人工智能測試的核心，也是本書關鍵的內(nèi)容，分別討論了模型蛻變測試、模糊測試、魯棒性測試、可解釋性測試等，其中還通過圖像分類、智能推薦、金融風控等三個典型的業(yè)務場景中的模型算法評測實踐，就這部分內(nèi)容做更為詳細的分析和解讀，更好地讓讀者理解模型算法評測方法、流程和具體操作?！?/p>

攜程大數(shù)據(jù)與AI應用研發(fā)部負責人鄒宇、快狗打車CTO沈劍、貝殼金服2B2C CTO史海峰、順豐同城科技人工智能中心負責人徐明泉、滴滴高級算法專家閆奎名、Testin云測總裁徐琨、霍格沃茲測試學院創(chuàng)始人黃延勝（思寒）、Dell EMC（中國研發(fā)集團）資深架構師茹炳晟、阿里巴巴本地生活高級測試經(jīng)理吳駿龍、TesterHome社區(qū)聯(lián)合創(chuàng)始人張立華（恒溫）、騰訊IEG品質(zhì)管理部測試開發(fā)負責人蔡怡峰、百度資深測試工程師鄒靜、360技術中臺質(zhì)量工程部高級總監(jiān)王冬、網(wǎng)易傳媒測試總監(jiān)張濤、前埃森哲中國卓越測試中心負責人陳曉鵬、京東數(shù)科移動端測試負責人薛亞斌等二十余位行業(yè)專家為本書撰寫推薦語。

攜程大數(shù)據(jù)與AI應用研發(fā)部負責人鄒宇表示：“本書帶來了豐富的機器學習產(chǎn)品研發(fā)中的一手實踐經(jīng)驗和新穎角度，對于致力于人工智能產(chǎn)品研發(fā)的從業(yè)者有良好的啟迪?！?/p>

快狗打車CTO沈劍表示：“本書內(nèi)容豐富、案例詳實，不僅闡述了數(shù)據(jù)分析、機器學習、大數(shù)據(jù)等基礎知識，還對模型算法評估、特征測試分析、模型工程平臺等做了原理講解和案例分析。本書通俗易懂，又不乏實用性，非常適合希望入門機器學習、大數(shù)據(jù)測試的同學們?！?/p>

Testin云測總裁徐琨贊賞道：“在人工智能正在爆發(fā)的今天，市場等一本專門講述機器學習的測試技術的書等得太久了，所有渴望擁抱人工智能的測試同行們，書架上都應該擺上這本集合了融360 AI測試團隊第一線測試經(jīng)驗的寶貴圖書。”

阿里巴巴測試開發(fā)專家孫遠指出：“由于機器學習自身的復雜性，傳統(tǒng)的軟件測試方法論無法完全適用于機器學習，需要為其單獨設計一套質(zhì)量保障方法論。雖然在業(yè)界的技術峰會中有專家做過相關的分享，但在本書出版前，還沒有一本書可以較為全面的闡述機器學習質(zhì)量保障的方法論。”