自動機器學習 Automated Machine Learning: Hyperparameter optimization, neural architecture search, and algorithm selection with cloud platforms
Adnan Masood 譯者 張峰
- 出版商: 機械工業
- 出版日期: 2023-06-01
- 定價: $474
- 售價: 8.5 折 $403
- 語言: 簡體中文
- 頁數: 177
- 裝訂: 平裝
- ISBN: 7121457059
- ISBN-13: 9787121457050
-
相關分類:
Machine Learning、Amazon Web Services、Microsoft Azure、Google Cloud
- 此書翻譯自: Automated Machine Learning: Hyperparameter optimization, neural architecture search, and algorithm selection with cloud platforms
立即出貨 (庫存 < 3)
買這商品的人也買了...
-
MIS 一定要懂的 82個伺服器建置與管理知識$420$332 -
$280特徵工程入門與實踐 (Feature Engineering Made Easy) -
打造期權自動理財術$500$490 -
實況直播：用 Docker 建構大型資料中心$880$695 -
C++ 語言的設計和演化 (The Design and Evolution of C++)$594$564 -
小輕快跨平台：王的編輯器 Visual Studio Code 聖經$880$695 -
實戰 AWS 雲計算 -- 基礎篇$550$435 -
建構機器學習管道｜運用 TensorFlow 實現模型生命週期自動化 (Building Machine Learning Pipelines: Automating Model Life Cycles with Tensorflow)$580$458 -
6G 潛在關鍵技術 (下冊)$894$849 -
$5096G：面向 2030年的移動通信 -
一本精通 - LINE BOT + Python + Google Dialogflow 完整掌握 LINE BOT 的開發技巧 打造全方位 AI機器人$650$514 -
$559因果推斷與機器學習 -
$1,015數據挖掘與機器學習 : 基礎概念和算法 (原書2版) (Data Mining and Machine Learning: Fundamental Concepts and Algorithms, 2/e) -
基於 PyTorch Lightning 的深度學習：使用 Python 快速構建高性能人工智能（AI）模型$594$564 -
$709分佈式機器學習 — 系統、工程與實戰 -
Midjourney AI 圖像魔導書：搭配 ChatGPT 魔法加倍$580$458 -
Python：加密貨幣 CTA 量化交易 111個實戰技巧$600$468 -
Python 設計模式與開發實務 (Python Programming with Design Patterns)$580$458 -
Python 精解實例 - PySide 6/PyQt 6 強大開發親身體驗$1,280$1,011 -
Node.js 量化投資全攻略：從資料收集到自動化交易系統建構實戰（iThome鐵人賽系列書）【軟精裝】$760$502 -
EN 帶你入門 5G 核心網路（iThome鐵人賽系列書）【軟精裝】$760$593 -
用 Python 快速上手資料分析與機器學習, 2/e$680$476 -
Azure DevOps 設計策略與實戰分析：開發工程師從入門到進階完全指南（iThome鐵人賽系列書）【軟精裝】$760$593 -
AI 繪圖邁向視覺設計$720$569 -
數學建模與數學規劃：方法、案例及編程實戰（Python+COPT/Gurobi實現）$588$559
中文年末書展｜繁簡參展書2書75折 詳見活動內容 »
-
75折
為你寫的 Vue Components：從原子到系統，一步步用設計思維打造面面俱到的元件實戰力 (iThome 鐵人賽系列書)$780$585 -
75折
BDD in Action, 2/e (中文版)$960$720 -
75折
看不見的戰場：社群、AI 與企業資安危機$750$563 -
79折
AI 精準提問 × 高效應用：DeepSeek、ChatGPT、Claude、Gemini、Copilot 一本搞定$390$308 -
7折
超實用！Word．Excel．PowerPoint 辦公室 Office 365 省時高手必備 50招, 4/e (暢銷回饋版)$420$294 -
75折
裂縫碎光：資安數位生存戰$550$412 -
85折
日本當代最強插畫 2025 : 150位當代最強畫師豪華作品集$640$544 -
79折
Google BI 解決方案：Looker Studio × AI 數據驅動行銷實作，完美整合 Google Analytics 4、Google Ads、ChatGPT、Gemini$630$498 -
79折
超有料 Plus！職場第一實用的 AI 工作術 - 用對 AI 工具、自動化 Agent, 讓生產力全面進化！$599$473 -
75折
從零開始學 Visual C# 2022 程式設計, 4/e (暢銷回饋版)$690$518 -
75折
Windows 11 制霸攻略：圖解 AI 與 Copilot 應用，輕鬆搞懂新手必學的 Windows 技巧$640$480 -
75折
精準駕馭 Word！論文寫作絕非難事 (好評回饋版)$480$360 -
Sam Yang 的插畫藝術：用 Procreate / PS 畫出最強男友視角 x 女孩美好日常$699$629 -
79折
AI 加持！Google Sheets 超級工作流$599$473 -
78折
想要 SSR? 快使用 Nuxt 吧!：Nuxt 讓 Vue.js 更好處理 SEO 搜尋引擎最佳化（iThome鐵人賽系列書）$780$608 -
75折
超實用！業務．總管．人資的辦公室 WORD 365 省時高手必備 50招 (第二版)$500$375 -
7折
Node-RED + YOLO + ESP32-CAM：AIoT 智慧物聯網與邊緣 AI 專題實戰$680$476 -
79折
「生成式⇄AI」：52 個零程式互動體驗，打造新世代人工智慧素養$599$473 -
7折
Windows APT Warfare：惡意程式前線戰術指南, 3/e$720$504 -
75折
我輩程式人：回顧從 Ada 到 AI 這條程式路，程式人如何改變世界的歷史與未來展望 (We, Programmers: A Chronicle of Coders from Ada to AI)$850$637 -
75折
不用自己寫！用 GitHub Copilot 搞定 LLM 應用開發$600$450 -
79折
Tensorflow 接班王者：Google JAX 深度學習又快又強大 (好評回饋版)$780$616 -
79折
GPT4 會你也會 - 共融機器人的多模態互動式情感分析 (好評回饋版)$700$553 -
79折
技術士技能檢定 電腦軟體應用丙級術科解題教本｜Office 2021$460$363 -
75折
Notion 與 Notion AI 全能實戰手冊：生活、學習與職場的智慧策略 (暢銷回饋版)$560$420
相關主題
商品描述
本書重點講解基於雲平臺的超參數優化、神經構架搜索以及算法選擇等內容，是自動機器學習的基本任務。
介紹了基於三個主要雲服務提供商(包括 Microsoft Azure、Amazon Web Services (AWS)
和 Google Cloud Platform)進行 AutoML，同時部署 ML 模型和管道，具有較強的實用性。
在應用場景中評估 AutoML 方面，例如算法選擇、自動特徵化和超參數調整，並區分雲和 OSS 產品等。
本書適用於從事機器學習或人工智能方向的數據科學家或工程師學習，也適合學生或行業初學者進行入門學習實踐。
作者簡介
阿德南·馬蘇德（Adnan Masood）博士是一位人工智能和機器學習研究者、斯坦福大學AI實驗室的訪問學者、軟件工程師以及人工智能領域的Microsoft MVP。作為UST Global AI和機器學習的首席架構師，他與斯坦福人工智能實驗室和MIT CSAIL協作，並且帶領一個數據科學家和工程師團隊致力於構建人工智能解決方案，以便獲得影響一系列業務、產品和倡議計劃的業務價值和見解。 在其職業生涯中，Masood博士對於從財富500強企業到創業公司的管理層而言一直都是一位值得信賴的顧問。Adnan是Amazon編程語言領域暢銷書Functional Programming with F#的作者，他在美國帕克大學教授數據科學，並且曾在UCSD教授Windows WCF課程。他是各種學術和技術會議、代碼訓練營以及用戶小組的國際演講者。
目錄大綱
第1章走進自動機器學
1.1 機器學開發生命週期
1.2 自動機器學簡介
1.3 自動機器學的工作原理
1.4 數據科學的大眾化
1.5 揭穿自動機器學的迷思
1.6 自動機器學生態系統
1.7 小結
第2章自動機器學、算法和技術
2.1 自動機器學概述
2.2 自動徵工程
2.3 參數化
2.4 經架構搜索
2.5 小結
第3章使用開源工具和庫進行自動機器學
3.1 技術要求
3.2 自動機器學的開源生態系統
3.3 TPOT
3.4 Featuretools
3.5 Microsoft NNI
3.6 auto-sklearn
3.7 AutoKeras
3.8 Ludwig
3.9 AutoGluon
3.10 小結
第4章Azure Machine Learning
4.1 Azure Machine Learning入門
4.2 Azure Machine Learning棧
4.3 Azure Machine Learning服務
4.4 使用Azure Machine Learning建模
4.5 使用Azure Machine Learning署和測試模型
4.6 小結
第5章使用Azure進行自動機器學
5.1 Azure中的自動機器學
5.2 使用自動機器學進行時間序列預測
5.3 小結
第6章使用AWS進行機器學
6.1 AWS環境中的機器學
6.2 開始使用AWS
6.3 使用Amazon SageMaker Autopilot
6.4 使用Amazon SageMaker JumpStart
6.5 小結
第7章使用Amazon SageMaker Autopilot進行自動機器學
7.1 技術要求
7.2 創建Amazon SageMaker Autopilot受限實驗
7.3 創建AutoML 實驗
7.4 運行SageMaker Autopilot實驗並署模型
7.5 構建並運行SageMaker Autopilot實驗
7.6 小結
第8章使用Google Cloud Platform進行機器學
8.1 Google Cloud Platform使用入門
8.2 使用GCP實現AI和ML
8.3 Google Cloud AI Platform和AI Hub
8.4 Google Cloud AI Platform使用入門
8.5 使用Google Cloud進行AutoML
8.6 小結
第9章使用GCP進行自動機器學
9.1 Google Cloud AutoML Tables
9.2 創建AutoML Tables實驗
9.3 瞭解AutoML Tables模型署
9.4 在AutoML Tables上使用BigQuery公共數據集
9.5 自動機器學做格預測
9.6 小結
第10章企業中的自動機器學
10.1 企業是否需要自動機器學
10.2 自動機器學——企業高級分析的加速器
10.3 自動機器學的挑戰和機遇
10.4 建立信任——自動機器學中的模型可解釋性和透明度
10.5 在企業中引入自動機器學
10.6 總結與展望
