کتاب Automated Machine Learning in Action
- سال چاپ: 2022
- تعداد صفحات: 336
- ناشر: انتشارات Manning
- زبان: english
- نویسنده(گان): Qingquan Song, Haifeng Jin, Xia Hu
- دسته بندی: زبان برنامه‌نویسی, Python, علوم داده و یادگیری ماشین, Machine Learning
یادگیری ماشین خودکار در عمل: راهنمای عملی برای بهینه‌سازی خطوط لوله یادگیری ماشین
آشنایی با کتاب
کتاب یادگیری ماشین خودکار در عمل، نوشته دکتر کینگ‌کوان سونگ، هایفنگ جین و شیا "بن" هو، راهنمایی جامع و کاربردی برای توسعه‌دهندگان و دانشمندان داده است که می‌خواهند با استفاده از ابزارهای قدرتمند مانند AutoKeras و KerasTuner، خطوط لوله یادگیری ماشین (ML) خود را بهینه و خودکار کنند. این کتاب با سبکی ساده و بدون پیچیدگی‌های ریاضی، شما را در اتوماسیون مراحل مختلف یادگیری ماشین، از پیش‌پردازش داده‌ها تا تنظیم‌هایپرپارامترها، هدایت می‌کند. خرید نسخه چاپی شامل نسخه رایگان eBook در فرمت‌های PDF، Kindle و ePub است.
چرا این کتاب را بخوانید؟
یادگیری ماشین خودکار (AutoML) با حذف وظایف دستی زمان‌بر مانند انتخاب ویژگی‌ها و تنظیم‌هایپرپارامترها، بهره‌وری را افزایش می‌دهد و امکان استفاده از یادگیری ماشین را برای افراد با تجربه کمتر فراهم می‌کند. این کتاب با آموزش ابزارهایی مانند AutoKeras و KerasTuner، شما را در ساخت خطوط لوله ML کارآمد و مقیاس‌پذیر توانمند می‌کند. از اتوماسیون طبقه‌بندی و رگرسیون تا استفاده از تکنیک‌های پیشرفته مانند پیش‌آموزش مدل و پردازش موازی داده‌ها، این کتاب راه‌حل‌هایی برای بهبود عملکرد ارائه می‌دهد.
ویژگی‌های کلیدی کتاب
بخش اول: مبانی AutoML
از یادگیری ماشین به یادگیری ماشین خودکار: معرفی مفاهیم و مزایای AutoML.
خط لوله کامل یک پروژه ML: مروری بر مراحل یادگیری ماشین.
یادگیری عمیق در یک نگاه: مفاهیم پایه شبکه‌های عصبی.
بخش دوم: AutoML در عمل
تولید خودکار راه‌حل‌های ML کامل: ایجاد خطوط لوله با AutoKeras.
سفارشی‌سازی فضای جست‌وجو با خطوط لوله AutoML: طراحی خطوط لوله اختصاصی.
AutoML با فضای جست‌وجوی کاملاً سفارشی: انعطاف‌پذیری در تنظیم مدل‌ها.
بخش سوم: موضوعات پیشرفته در AutoML
سفارشی‌سازی روش‌های جست‌وجوی AutoML: طراحی الگوریتم‌های جست‌وجوی بهینه.
مقیاس‌پذیری AutoML: استفاده از پردازش موازی و پیش‌آموزش مدل.
جمع‌بندی: مرور تکنیک‌ها و چشم‌انداز آینده.
کاربردهای عملی
این کتاب با مثال‌های عملی، شما را در استفاده از AutoML برای اتوماسیون مراحل مختلف خط لوله ML، از جمله پیش‌پردازش داده‌ها، انتخاب مدل، تنظیم‌هایپرپارامترها و افزایش مقیاس‌پذیری، توانمند می‌کند. با ابزارهایی مانند AutoKeras و KerasTuner، می‌توانید خطوط لوله‌ای طراحی کنید که به‌طور خودکار بهترین رویکرد را برای وظایف شما انتخاب کنند و نیاز به تنظیم دستی را کاهش دهند.
درباره فناوری
این کتاب بر ابزارهای پیشرفته AutoML مانند AutoKeras و KerasTuner تمرکز دارد که با استفاده از پایتون و کتابخانه‌های یادگیری عمیق مانند TensorFlow، امکان خودکارسازی و بهینه‌سازی خطوط لوله ML را فراهم می‌کنند. تکنیک‌هایی مانند پردازش موازی و پیش‌آموزش مدل، مقیاس‌پذیری و کارایی را افزایش می‌دهند.
مخاطبان کتاب
این کتاب برای مبتدیان یادگیری ماشین که می‌خواهند اولین خطوط لوله خود را بسازند و همچنین مهندسان ML با تجربه که به دنبال خودکارسازی وظایف هستند، مناسب است. دانش پایه در برنامه‌نویسی پایتون و مفاهیم یادگیری ماشین به درک بهتر محتوا کمک می‌کند.
درباره نویسندگان
دکتر کینگ‌کوان سونگ، هایفنگ جین و شیا "بن" هو، خالقان کتابخانه AutoKeras، با تجربه گسترده در یادگیری عمیق و AutoML، دانش خود را با زبانی ساده و مثال‌های عملی در این کتاب به اشتراک گذاشته‌اند.
نظرات کاربران