《自動化機器學習：方法，系統和挑戰》-最新版-免費下載

前沿

在過去十年中，機器學習研究和應用激增；特別是深度學習方法已經在許多應用領域取得了重要進展，例如計算機視覺、語音處理和遊戲。然而，許多機器學習方法的效能對需要過多的設計的決策場景非常敏感，這對新使用者構成了相當大的障礙。在蓬勃發展的深度學習領域尤其如此，人類工程師需要選擇正確的神經網路、訓練過程、正則化方法和所有這些元件的超引數，以使他們的網路以足夠的效能完成他們應該做的事情。每個應用程式都必須重複這個過程。即使是專家也經常會遇到繁瑣的反覆試驗，直到他們為特定的資料集找到一套好的選擇。

自動機器學習領域旨在以資料驅動、客觀和自動的方式做出這些決定：使用者只需提供資料，自動機器學習系統自動確定最適合這一特定應用的方法。因此，AutoML使那些對應用機器學習感興趣但沒有資源來詳細瞭解機器學習背後技術的領域科學家可以使用最先進的機器學習方法。這可以被看作是機器學習的民主化：有了AutoML，定製的最先進的機器學習觸手可及。

正如我們在這本書裡所展示的，自動學習方法已經足夠成熟，可以與人類機器學習專家匹敵，有時甚至超越他們。簡而言之，AutoML可以提高效能，同時節省大量的時間和金錢，因為機器學習專家既難找又昂貴。因此，近年來，人們對AutoML的商業興趣急劇增長，一些主要的科技公司正在開發他們自己的AutoML系統。然而，我們注意到，開源自動學習系統比專有付費黑匣子服務更有利於機器學習民用化的目的。

文末附本書最新版下載地址。

內容簡介

這本書概述了AutoML領域的快速發展。由於社群當前對深度學習的關注，一些研究者現在錯誤地將自動學習等同於神經架構搜尋的主題；但是當然，如果你正在讀這本書，你會知道—雖然網路連線儲存是自動儲存的一個很好的例子—但是自動儲存比網路連線儲存有更多的優點。這本書旨在為有興趣開發他們自己的自動化方法的研究人員提供一些背景和出發點，為那些想把自動化應用到他們的問題上的從業者強調可用的系統，併為已經在自動化領域工作的研究人員提供一個最新的視角。這本書分為三個部分，分別論述了AutoML的這些不同方面。

本書目錄