Cuốn sách truy cập mở này cung cấp nhiều ví dụ thực hành minh họa cách điều chỉnh siêu tham số có thể được áp dụng trong thực tế và cung cấp những hiểu biết sâu sắc về cơ chế hoạt động của các phương pháp học máy (ML) và học sâu (DL). Mục đích của cuốn sách là trang bị cho người đọc khả năng đạt được kết quả tốt hơn với thời gian, chi phí, công sức và nguồn lực ít hơn đáng kể khi sử dụng các phương pháp được mô tả ở đây. Các nghiên cứu điển hình được trình bày trong cuốn sách này có thể chạy trên máy tính để bàn hoặc máy tính xách tay thông thường. Không yêu cầu cơ sở tính toán hiệu năng cao. Ý tưởng cho cuốn sách bắt nguồn từ một nghiên cứu được thực hiện bởi Bartz & Bartz GmbH cho Văn phòng Thống kê Liên bang Đức (Destatis). Dựa trên nghiên cứu đó, cuốn sách hướng tới những người thực hành trong ngành cũng như các nhà nghiên cứu, giáo viên và sinh viên trong giới học thuật. Nội dung tập trung vào việc điều chỉnh siêu tham số của thuật toán ML và DL và được chia thành hai phần chính: lý thuyết (Phần I) và ứng dụng (Phần II). Các chủ đề thiết yếu được đề cập bao gồm: khảo sát các thông số quan trọng của mô hình; bốn nghiên cứu điều chỉnh tham số và một nghiên cứu điều chỉnh tham số toàn cầu mở rộng; phân tích thống kê về hiệu suất của các phương pháp ML và DL dựa trên mức độ nghiêm trọng; và một cách mới, dựa trên xếp hạng đồng thuận để tổng hợp và phân tích kết quả từ nhiều thuật toán. Cuốn sách trình bày các phân tích của hơn 30 siêu tham số từ sáu phương pháp ML và DL có liên quan, đồng thời cung cấp mã nguồn để người dùng có thể tái tạo kết quả. Theo đó, nó phục vụ như một cuốn sổ tay và sách giáo khoa.

Abstract:

This open access book provides a wealth of hands-on examples that illustrate how hyperparameter tuning can be applied in practice and gives deep insights into the working mechanisms of machine learning (ML) and deep learning (DL) methods. The aim of the book is to equip readers with the ability to achieve better results with significantly less time, costs, effort and resources using the methods described here. The case studies presented in this book can be run on a regular desktop or notebook computer. No high-performance computing facilities are required. The idea for the book originated in a study conducted by Bartz & Bartz GmbH for the Federal Statistical Office of Germany (Destatis). Building on that study, the book is addressed to practitioners in industry as well as researchers, teachers and students in academia. The content focuses on the hyperparameter tuning of ML and DL algorithms, and is divided into two main parts: theory (Part I) and application (Part II). Essential topics covered include: a survey of important model parameters; four parameter tuning studies and one extensive global parameter tuning study; statistical analysis of the performance of ML and DL methods based on severity; and a new, consensus-ranking-based way to aggregate and analyze results from multiple algorithms. The book presents analyses of more than 30 hyperparameters from six relevant ML and DL methods, and provides source code so that users can reproduce the results. Accordingly, it serves as a handbook and textbook alike

Ngôn ngữ:	En
Tác giả:	Soldatos, John, Kyriazis, Dimosthenis
Thông tin nhan đề:	Trusted Artificial Intelligence in Manufacturing
Nhà xuất bản:	Now Publishers
Loại hình:	Tài nguyên giáo dục mở / Bộ sưu tập: Công nghệ thông tin
Bản quyền:	https://creativecommons.org/licenses/by/4.0/
Nguồn gốc:	https://library.oapen.org/handle/20.500.12657/52612
Mô tả vật lý:	240p.
Năm xuất bản:	2021