消息首页搜索举报

深入理解AUTOML和AUTODL:构建自动化机器学习与深度学习平台

全新正版极速发货

55.91 5.6折 99 全新

库存2件

广东广州

认证卖家担保交易快速发货售后保障

作者王健宗瞿晓阳

出版社机械工业出版社

ISBN9787111634362

出版时间2019-08

装帧其他

开本16开

定价99元

货号1201935268

上书时间2024-09-30

曲奇书店

已实名已认证进店收藏店铺

在售商品暂无
平均发货时间 17小时
好评率暂无

最新上架

乡野 ¥3.51

张大宁补肾活血法研究 ¥61.51

汉字之美 ¥4.73

意大利语分级阅读 ¥22.09

大戴礼记解诂十三经清人注疏 ¥13.22

续小五义 ¥10.52

水果忍者益智乐翻天 ¥0.27

水果忍者益智乐翻天 ¥0.25

平淡"有"奇的水 ¥0.22

商品详情

品相描述：全新

商品描述: 作者简介
王健宗平安科技副总工程师，深度学习平台和AutoML平台负责人，中国人工智能开源软件发展联盟副理事长，美国佛罗里达大学人工智能博士后，曾任美国莱斯大学电子与计算机工程系研究员，专注于联邦学习和人工智能在金融、保险、投资、银行和医疗等领域的研发工作，发表联邦学习、深度学习、云计算和大数据等领域靠前论文30余篇，以及发明200余项。多届靠前知名大数据、人工智能、金融科技和联邦学习会议/论坛主席和出品人。瞿晓阳华中科技大学计算机系统结构博士，美国中佛罗里达大学访问学者，大型金融集团科技公司算法工程师，一直从事机器学习、大数据、体系结构方面的研究工作，在AutoML平台、面向AI的云原生架构、高性能计算、高效能存储系统等方面经验丰富。近几年，在靠前很好会议和很好期刊发表过多篇文章，担任过多个靠前很好期刊的评委。

目录
赞誉前言章人工智能概述11.1 全面了解人工智能11.1.1 人工智能定义11.1.2 弱人工智能、强人工智能与超人工智能21.1.3 人工智能三大主义31.1.4 机器学习与深度学习41.2 人工智能发展历程51.3 深度学习的崛起之路71.3.1 人脸识别的起源71.3.2 自动驾驶的福音71.3.3 超越人类的AI智能体81.3.4 懂你的AI81.3.5 奔跑、飞行以及玩游戏的AI81.3.6 人人都可以创造属于自己的AI81.4 深度学习的发展91.4.1 计算机视觉91.4.2 自然语言处理101.4.3 语音识别111.5 下一代人工智能111.6 参考文献13第2章自动化人工智能142.1 AutoML概述142.1.1 什么是自动化142.1.2 AutoML的起源与发展152.2 AutoML的研究意义172.2.1 AutoML的研究动机172.2.2 AutoML的意义和作用182.3 现有AutoML平台产品212.3.1 谷歌Cloud AutoML212.3.2 百度EasyDL232.3.3 阿里云PAI242.3.4 探智立方DarwinML282.3.5 第四范式AI ProphetAutoML292.3.6 智易科技302.4 参考文献31第3章机器学习概述323.1 机器学习的发展323.1.1 “机器学习”名字的由来323.1.2 “机器学习”的前世今生333.1.3 “机器学习”的理论基础343.2 机器学习的实现方法363.2.1 分类问题363.2.2 回归问题383.2.3 聚类问题393.3 自动化机器学习403.3.1 机器学习面临的问题403.3.2 为什么会产生AutoML413.4 参考文献41第4章自动化特征工程434.1 特征工程434.1.1 什么是特征434.1.2 什么是特征工程444.2 特征工程处理方法454.2.1 特征选择454.2.2 数据预处理474.2.3 特征压缩484.3 手工特征工程存在的问题494.4 自动化特征工程504.4.1 什么是自动化特征工程504.4.2 机器学习和深度学习的特征工程514.5 自动化特征工程生成方法524.5.1 深度特征合成算法524.5.2 Featuretools自动特征提取524.5.3 基于时序数据的自动化特征工程564.6 自动化特征工程工具674.6.1 自动化特征工程系统674.6.2 自动化特征工程平台714.7 参考文献75第5章自动化模型选择765.1 模型选择765.2 自动化模型选择775.2.1 基于贝叶斯优化的自动化模型选择785.2.2 基于进化算法的自动化模型选择845.2.3 分布式自动化模型选择865.2.4 自动化模型选择的相关平台925.3 自动集成学习945.3.1 集成学习基础945.3.2 集成学习之结合策略975.3.3 自动化模型集成985.4 参考文献99第6章自动化超参优化1016.1 概述1016.1.1 问题定义1036.1.2 搜索空间1036.1.3 搜索策略1036.1.4 评价预估1046.1.5 经验迁移加速1056.2 基本方法1056.2.1 网格搜索1056.2.2 随机搜索1056.3 基于模型的序列超参优化1066.3.1 代理模型的选择1086.3.2 代理模型的更新1086.3.3 新超参组的选择1096.3.4 基于高斯过程回归的序列超参优化1116.3.5 基于随机森林算法代理的序列超参优化1126.3.6 基于TPE算法的序列超参优化1146.3.7 SMBO的进阶技巧1146.4 基于进化算法的自动化超参优化1156.4.1 基于进化策略的自动化超参优化1156.4.2 基于粒子群算法的自动化超参优化1166.5 基于迁移学习的超参优化加速方法1176.5.1 经验迁移机制1176.5.2 经验迁移衰退机制1176.5.3 经验迁移权重机制1176.5.4 优化过程的试点机制1186.6 参考文献118第7章深度学习基础1207.1 深度学习简介1207.1.1 什么是神经元1207.1.2 人工神经网络的发展历程1217.1.3 深度学习方法1237.2 卷积神经网络简介1237.2.1 卷积层1237.2.2 池化层1257.2.3 全连接层1267.3 CNN经典模型1267.3.1 LeNet1267.3.2 AlexNet1277.3.3 VGGNet1287.3.4 GoogLeNet1297.3.5 ResNet1307.3.6 DenseNet1317.4 循环神经网络1327.4.1 基本循环神经模型1327.4.2 LSTM模型1337.4.3 GRU模型1347.5 参考文献134第8章自动化深度学习概述1368.1 深度学习vs自动化深度学习1368.2 什么是NAS1368.2.1 问题定义1378.2.2 搜索策略1398.2.3 加速方案1408.3 NAS方法分类140第9章基于强化学习的AutoDL1429.1 强化学习基础1429.1.1 强化学习简介1429.1.2 基本要素及问题定义1449.1.3 发展历史1449.1.4 基本方法1469.2 两类基本模型1479.2.1 TD经典算法1489.2.2 DQN系列算法1499.2.3 策略梯度算法1529.3 强化学习之Actor-Critic系列1549.3.1 Actor-Critic算法1549.3.2 确定性策略梯度1559.3.3 深度确定性策略梯度1579.3.4 异步优势Actor-Critic算法1589.3.5 近端策略优化1609.3.6 分布式近端策略优化1649.4 基于强化学习的自动搜索1669.5 基本搜索方法1669.5.1 基于层的搜索1669.5.2 基于块的搜索1699.5.3 基于连接的搜索1719.6 进阶搜索方法1739.6.1 逆强化学习1739.6.2 图超网络1749.6.3 蒙特卡洛树搜

内容摘要
内容介绍这是一部从基础理论、核心原理、前沿算法等多个维度系统、全面讲解AutoML、AutoDL、AutoNAS和元学习的著作。作者是的人工智能专家，平安科技深度学习平台和AutoML平台负责人。本书得到了IEEE Fellow/ACM杰出科学家/香港科技大学教授杨强教授、腾讯AI Lab副主任俞栋、美国佛罗里达大学教授李晓林等8位来自企业界、学术界和媒体界的专家的一致好评。它既能让新人理清AutoML的脉络，快速上手机器学习，又能让有经验的读者全面掌握AutoML的知识体系，工作变得更高效。全书共14章，逻辑上分为四部分：第壹部分（~2章）人工智能基础对人工智能、自动化人工智能的重要概念、发展历程及现状、适用场景、主要的工具和技术等做了全面的介绍，并引出了人工智能技术未来的发展方向——AutoML，这部分是阅读本书的基础。第二部分（第3~6章） AutoML主要讲解机器学习和自动化机器学习，核心是AutoML，包含自动化特征工程、自动化模型选择和自动化超参优化3个方面的内容。第三部分（第7~13章） AutoDL主要讲解深度学习和自动化深度学习，重点讲解了AutoDL的原理、基于强化学习的AutoDL、基于进化算法的AutoDL、AtuoDL的高阶知识、自动化模型压缩与加速，以及各种核心算法和前沿算法。第四部分（4章）元学习元学习是人工智能的理想目标，这部分对元学习的概念、流程和各种主流的学习方法都进行了详尽的介绍。

主编推荐
（1）作者是的AI专家，在机器学习、AutoML、联邦学习、大数据、云计算等领域发表靠前论文30余篇，发明200余项。（2）作者是平安科技副总工程师，深度学习平台和AutoML平台负责人，美国佛罗里达大学人工智能博士后，中国人工智能开源软件发展联盟副理事长。（4）本书得到了腾讯、阿里、字节跳动、微众银行、浙江大学、新智元等企业界、学术界、媒体界的8位专家联袂推荐。（5）从基础理论、核心原理、前沿算法等多个维度全面解读AutoML、AutoDL和元学习。

精彩内容
为什么要写这本书“人工智能”“机器学习”“深度学习”“联邦学习”“自动化”等已经成为互联网行业使用最频繁的词汇，在人工智能发展日益成熟的今天，越来越多的研究者将目标聚焦于“自动化”。出于对AutoML技术出现的振奋和对人工智能的热情与投入，我们逐渐萌生了撰写这本书的想法，我们想让更多的人了解AutoML，了解我们身边最前沿的技术和知识，最终能够让天下没有难的AI，实现普惠AI。如果一定要问我们写这本书的原因，我觉得可以归结为如下三点：首先，已经有多家互联网公司发布了AutoML平台，毫无疑问AutoML已经成为目前各大公司的“护城河”，我们希望通过本书来揭开AutoML平台的神秘面纱。基于AutoML平台，专业编程人员和非专业人员均可快速创建项目并训练模型，但是，由于国内至今还没有一本关于AutoML算法介绍的书籍，平台用户只知其然却不知其所以然。其次，我们想要通过本书建立一套完整的AutoML知识体系。很多AutoML从业者懂技术，但是缺少一套完整的知识体系来支撑自己的核心技术，有鉴于此，我们在开始撰写本书前做的件事就是建立知识体系，包括自动化机器学习、神经架构搜索的核心算法、自动化模型压缩、模型调参、深度学习的垂直领域应用以及元学习等。这套知识体系可以帮助很多从业者认清技术方向，也可以帮助初期从业者选择研究领域。我们期望有更多人来为AutoML这个诞生仅仅一年半的新技术添砖加瓦，共建AutoML生态。最后，我们希望这本书能为更多非专业人员带来价值。本书的初期定位是AutoML入门书籍，换句话说，我们撰写的初衷是想为更多不懂算法但是热爱AI技术的爱好者提供一些思路和理解角度。因此，我们在本书中尽量使用白话来解释算法思想，从人工智能的初期发展到AutoML技术的成熟，可以让每一个非技术人员快速理解AutoML。对于本书，我们倾注了很多热情和心血，从2017年年底AutoML技术开始出现就开始深入探索，接着起草最初书稿框架到成型历时一年多，其中经过了多次章节结构调整和修改，查阅并解读近百篇AI前沿论文，才有了今天大家看到了这本书。在本书中，我们从0到1介绍了AutoML技术的方方面面，希望这本书能带给你惊喜。读者对象本书适用于非计算机专业研究人员、期望转型AI领域的技术爱好者，同样也适用于初级、中级和不错的人工智能算法工程师、项目经理和产品经理等。本书特色AutoML技术的发展日新月异，诸多科学家和研究者会在论文中发表自己的研究成果，但是目前国内还没有一本讲解AutoML发展和技术的书籍。本书聚焦于AutoML，从无到有地介绍了AutoML的发展过程以及相关的算法。本书涉及AutoML技术的多个方面，从AutoML到AutoDL，最后延伸到元学习，为读者提供了一套完整的知识体系。如何阅读这本书本书是关于自动化人工智能的一本入门级书籍，书中涵盖了大部分基础知识，因此非专业人士也可以读懂。自动化人工智能的最重要的两个分支是自动化机器学习和自动化深度学习，因此，本书的核心和聚焦在这两大研究领域，旨在为专业人士和刚入门的学者提供一些研究方向和思路。从逻辑上，全书一共分为四个部分。部分（～2章）是关于人工智能的基础概述，并介绍了现有的AutoML平台。第二部分（第3～6章）是自动化机器学习，这里的机器学习是指统计机器学习，这一部分主要介绍了基本的机器学习知识以及自动化特征工程、自动化模型选择和自动化超参优化。第三部分（第7～13章）是自动化深度学习，众所周知，近年来深度学习的研究开展得如火如荼，为了拓展读者的知识领域和研究思路，我们在这一部分花费了大量的篇幅来介绍近几年最前沿的算法和技术，这也是全书最核心的章节。第四部分（4章）是关于元学习的内容，我们认为元学习应该是独立于统计机器学习和深度学习的一个研究领域，因为元学习跳出了学习“结果”的这种思想，学习的是“学习过程”，这也是自动化人工智能的理想目标。因此，我们将元学习单独作为一个部分，作为全书内容的升华，读者可以在本书的引导下展开更深入的研究。我们将本书的重点内容罗列为以下几点：1）自动化特征工程生成方法，分别是深度特征合成算法、Featuretools自动特征提取以及基于时序特征的自动化特征工程。2）自动化模型选择方法，包括贝叶斯优化算法、进化算法、分布式优化等。3）自动化超参优化，主要有序列超参优化、进化算法的运用以及迁移学习方法。4）神经架构搜索，主要搜索算法有强化学习和进化算法。5）神经架构搜索加速方案，包括权值共享法、超网络、网络态射法、代理评估模型以及可微分神经架构搜索。6）模型压缩和加速方案，包括量化、修剪法、稀疏化以及轻量级模型设计。专业读者或具体从业者可根据自己的研究领域以及感兴趣情况选择以上部分内容重点阅读。对于非专业读者，本书中也有最基本的算法入门介绍，可以将本书作为一本AutoML入门书籍进行全书通读。勘误和支持本书并没有涵盖AutoML研究领域的全部知识，因为这个领域的知识体系之庞大，不是一本书就可以介绍完的。譬如我们书中所涉及的图计算网络、超网络、蒙特卡洛树搜索以及元学习都可以成

— 没有更多了 —

深入理解AUTOML和AUTODL:构建自动化机器学习与深度学习平台

曲奇书店

商品详情

相关推荐