Cuốn sách này trình bày tổng quan toàn diện đầu tiên về các phương pháp chung trong Học máy tự động (AutoML), thu thập mô tả về các hệ thống hiện có dựa trên các phương pháp này và thảo luận về loạt thách thức quốc tế đầu tiên của hệ thống AutoML. Thành công gần đây của các ứng dụng ML thương mại và sự phát triển nhanh chóng của lĩnh vực này đã tạo ra nhu cầu cao về các phương pháp ML sẵn có có thể sử dụng dễ dàng và không cần kiến ​​thức chuyên môn. Tuy nhiên, nhiều thành công trong học máy gần đây chủ yếu dựa vào các chuyên gia con người, những người chọn thủ công các kiến ​​trúc ML phù hợp (kiến trúc học sâu hoặc quy trình làm việc ML truyền thống hơn) và các siêu tham số của chúng. Để khắc phục vấn đề này, lĩnh vực AutoML nhắm tới mục tiêu tự động hóa tiến bộ của máy học, dựa trên các nguyên tắc từ tối ưu hóa và chính máy học. Cuốn sách này đóng vai trò là điểm khởi đầu cho lĩnh vực đang phát triển nhanh chóng này dành cho các nhà nghiên cứu cũng như sinh viên tiên tiến, đồng thời cung cấp tài liệu tham khảo cho những người thực hành muốn sử dụng AutoML trong công việc của họ.

Abstract:

This book presents the first comprehensive overview of general methods in Automated Machine Learning (AutoML), collects descriptions of existing systems based on these methods, and discusses the first series of international challenges of AutoML systems. The recent success of commercial ML applications and the rapid growth of the field has created a high demand for off-the-shelf ML methods that can be used easily and without expert knowledge. However, many of the recent machine learning successes crucially rely on human experts, who manually select appropriate ML architectures (deep learning architectures or more traditional ML workflows) and their hyperparameters. To overcome this problem, the field of AutoML targets a progressive automation of machine learning, based on principles from optimization and machine learning itself. This book serves as a point of entry into this quickly-developing field for researchers and advanced students alike, as well as providing a reference for practitioners aiming to use AutoML in their work.

Ngôn ngữ:	En
Tác giả:	Frank Hutter, Lars Kotthoff, Joaquin Vanschoren
Thông tin nhan đề:	Automated Machine: Learning Methods, Systems, Challenges
Nhà xuất bản:	Springer
Loại hình:	Tài nguyên giáo dục mở / Bộ sưu tập: Công nghệ thông tin
Bản quyền:	https://creativecommons.org/share-your-work/use-remix/cc-licenses/#by
Nguồn gốc:	https://www.dbooks.org/automated-machine-learning-3030053180/
Mô tả vật lý:	223p.
Năm xuất bản:	2019