自動化機器學習 孫亞楠 呂澤瓊 馮雨麒等 9787030814333 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202503*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：自動化機器學習
ISBN：9787030814333
出版社：科學
著編譯者：孫亞楠 呂澤瓊 馮雨麒等
頁數：318
所在地：中國大陸 *此為代購商品
書號：1724328
可大量預訂，請先連絡。

內容簡介

本書從自動化機器學習（AutoML）的基礎知識出發，系統介紹AutoML的流程、方法，以及該領域的最新研究進展，重點闡述數據預處理、特徵工程、模型選擇、超參數優化和神經架構搜索（NAS）等方面的核心技術。內容不僅覆蓋自動化傳統機器學習方法，還包括自動化深度學習方法和高階NAS策略。為了進一步強化理論與實踐的結合，本書還介紹谷歌CloudAutoML、百度EasyDL、阿里雲PAI等主流AutoML平台的應用實例，為讀者提供豐富的實踐參考。 本書是自動化機器學習課程的教學參考書，適合高等院校計算機科學、數據科學及人工智能等專業的大學生、研究生閱讀參考，也可以作為機器學習領域研究者的參考用書。

目錄

第1章 緒論
1 1 機器學習介紹
1 2 代表性機器學習應用
1 2 1 計算機視覺
1 2 2 自然語言處理
1 2 3 語音識別
1 3 AutoML介紹
1 3 1 研究動機
1 3 2 發展歷程
1 3 3 研究意義
第2章 機器學習基礎
2 1 機器學習流程
2 1 1 數據預處理
2 1 2 特徵工程
2 1 3 模型生成
2 1 4 模型部署和使用
2 2 傳統機器學習方法
2 2 1 k近鄰法
2 2 2 支持向量機
2 2 3 決策樹
2 2 4 隨機森林
2 2 5 自適應增強
2 2 6 樸素貝葉斯法
2 2 7 期望最大化算法
2 3 深度學習方法
2 3 1 自編碼器
2 3 2 深度信念網絡
2 3 3 卷積神經網絡
2 3 4 圖神經網絡
2 3 5 循環神經網絡
2 3 6 Transformer方法
第3章 AutoML流程及方法
3 1 自動化傳統機器學習
3 1 1 數據預處理
3 1 2 特徵工程
3 1 3 模型選擇與超參數優化
3 2 自動化深度學習
3 2 1 神經架構搜索
3 2 2 模型壓縮與加速
3 3 經典自動化方法
3 3 1 網格/隨機搜索
3 3 2 貝葉斯優化
3 3 3 強化學習
3 3 4 演化計算
3 3 5 梯度下降
第4章 自動化傳統機器學習方法
4 1 自動化數據處理
4 1 1 數據收集
4 1 2 數據清洗
4 1 3 數據增廣
4 1 4 現有自動化數據處理工具
4 2 自動化特徵工程
4 2 1 特徵構造
4 2 2 特徵提取
4 2 3 特徵選擇
4 2 4 現有自動化特徵工程工具
4 3 自動化模型選擇與超參數優化
4 3 1 無模型的優化方法
4 3 2 基於模型的優化方法
4 3 3 多保真度超參數優化
4 3 4 常規模型選擇與超參數優化工具
第5章 自動化深度學習基礎
5 1 自動化深度學習特點
5 2 神經架構搜索流程概述
5 3 搜索空間
5 3 1 層級搜索空間
5 3 2 基於block的搜索空間
5 3 3 基於cell的搜索空間
5 3 4 基於拓撲結構的空間
5 4 搜索策略
5 4 1 基於強化學習的搜索策略
5 4 2 基於梯度的搜索策略
5 4 3 基於演化計算的搜索策略
5 5 性能評估策略
5 5 1 傳統評估方法
5 5 2 低保真度估計
5 5 3 種群記憶
5 5 4 學習曲線外推法
5 5 5 權重繼承
5 5 6 權重共享
5 5 7 網絡態射
5 5 8 性能預測器
第6章 自動化深度學習方法
6 1 基於強化學習的NAS
6 1 1 策略學習
6 1 2 價值學習
6 1 3 組合方法
6 2 基於梯度的NAS
6 2 1 連續鬆弛
6 2 2 概率建模
6 3 基於演化計算的NAS
6 3 1 EA搜索策略
6 3 2 SI搜索策略
6 4 自動化模型壓縮與加速
6 4 1 輕量化搜索空間設計
6 4 2 輕量化模型搜索策略
6 4 3 自動化模型壓縮技術
第7章 高階NAS
7 1 加速評估NAS的性能預測器
7 1 1 端到端性能預測器E2EPP
7 1 2 架構增廣的性能預測器HAAP
7 1 3 跨域預測器CDP
7 1 4 自監督學習的性能預測器CAP
7 2 面向準確魯棒神經架構的NAS
7 2 1 研究背景
7 2 2 研究動機
7 2 3 算法流程
7 3 面向輕量化魯棒神經架構的NAS
7 3 1 研究背景
7 3 2 研究動機
7 3 3 算法流程
7 4 架構驅動的持續學習方法
7 4 1 研究背景
7 4 2 研究動機
7 4 3 算法流程
第8章 AutoML平台
8 1 現有平台概述
8 2 谷歌Cloud AutoML
8 3 百度EasyDL
8 4 阿里雲PAI
8 4 1 功能特點
8 4 2 應用優勢
8 5 第四範式AI Prophet AutoML
8 5 1 功能特點
8 5 2 應用優勢
8 6 微軟NNI
8 6 1 特徵工程
8 6 2 超參調優
8 6 3 架構搜索
8 6 4 模型壓縮
8 7 EvoXBench
8 8 BenchENAS
8 8 1 運行器
8 8 2 評估器
8 8 3 比較器
8 9 其他AutoML工具
8 9 1 Hyperopt
8 9 2 GPyOpt
8 9 3 SMAC
8 9 4 HpBandSter
參考文獻
後記
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。