- 自动机器学习(AutoML方法系统与挑战新时代技术新未来)
- - 作者：(德)弗兰克·亨特//拉斯·特霍夫//(比利时)华昆·万赫仁|责编:刘洋|译者:何明//刘淇
  - 出版社：清华大学
  - ISBN：9787302552550
  - 出版日期：2020/11/01
  - 页数：233
- 售价：35.6

内容大纲
    本书全面介绍自动机器学习，主要包含自动机器学习的方法、实际可用的自动机器学习系统及目前所面临的挑战。在自动机器学习方法中，本书涵盖超参优化、元学习、神经网络架构搜索三个部分，每一部分都包括详细的内容介绍、原理解读、具体运用方法和存在的问题等。此外，本书还具体介绍了现有的各种可用的AutoML系统，如Auto-sklearn、Auto-WEKA及Auto-Net等，并且本书最后一章详细介绍了具有代表性的AutoML挑战赛及挑战赛结果背后所蕴含的理念，有助于从业者设计出自己的AutoML系统。
    本书英文版是国际上第一本介绍自动机器学习的英文书，内容全面且翔实，尤为重要的是涵盖了最新的AutoML领域进展和难点。本书作者和译者学术背景扎实，保证了本书的内容质量。
    对于初步研究者，本书可以作为其研究自动机器学习方法的背景知识和起点；对于工业界从业人员，本书全面介绍了AutoML系统及其实际应用要点；对于已经从事自动机器学习的研究者，本书可以提供一个AutoML最新研究成果和进展的概览。总体来说，本书受众较为广泛，既可以作为入门书，也可以作为专业人士的参考书。
作者介绍
目录
第一篇  自动机器学习方法
  第1章  超参优化
    1.1  引言
    1.2  问题定义
      1.2.1  优化替代方案：集成与边缘化
      1.2.2  多目标优化
    1.3  黑盒超参优化
      1.3.1  免模型的黑盒优化方法
      1.3.2  贝叶斯优化
    1.4  多保真度优化
      1.4.1  基于学习曲线预测的早停法
      1.4.2  基于Bandit的选择方法
      1.4.3  保真度的适应性选择
    1.5  AutoML的相关应用
    1.6  探讨与展望
      1.6.1  基准测试和基线模型
      1.6.2  基于梯度的优化
      1.6.3  可扩展性
      1.6.4  过拟合和泛化性
      1.6.5  任意尺度的管道构建
    参考文献
  第2章  元学习
    2.1  引言
    2.2  模型评估中学习
      2.2.1  独立于任务的推荐
      2.2.2  配置空间的设计
      2.2.3  配置迁移
      2.2.4  学习曲线
    2.3  任务特性中学习
      2.3.1  元特征
      2.3.2  元特征的学习
      2.3.3  基于相似任务热启动优化过程
      2.3.4  元模型
      2.3.5  管道合成
      2.3.6  调优与否
    2.4  先前模型中学习
  ……
第二篇  自动机器学习系统
第三篇  自动机器学习挑战赛

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目