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 -
$7606G 潛在關鍵技術 (下冊) -
$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 -
分佈式機器學習 — 系統、工程與實戰$834$792 -
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$593 -
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$537 -
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
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
