自动化机器学习书籍推荐

原创干货，第一时间送达

一、AutoML

AutoML全称是Automated Machine Learning，是2014年以来，机器学习和深度学习领域最炙手可热的领域之一。机器学习的应用需要大量的人工干预，这些人工干预表现在：特征提取、模型选择、参数调节等机器学习的各个方面。AutoML 试图将这些与特征、模型、优化、评价有关的重要步骤进行自动化地学习，使得机器学习模型无需人工干预即可被应用。

二、书籍简介

《AUTOML：方法，系统，挑战》:

这本由Frank Hutter, Lars Kotthoff, Joaquin Vanschoren撰写的新书概述了AutoML领域的快速发展。由于社区当前对深度学习的关注，一些研究者现在错误地将自动学习等同于神经架构搜索的主题；但是当然，如果你正在读这本书，你会知道—虽然网络连接存储是自动存储的一个很好的例子—但是自动存储比网络连接存储有更多的优点。这本书旨在为有兴趣开发他们自己的自动化方法的研究人员提供一些背景和出发点，为那些想把自动化应用到他们的问题上的从业者强调可用的系统，并为已经在自动化领域工作的研究人员提供一个最新的视角。这本书分为三个部分，分别论述了AutoML的这些不同方面。

三、部分目录

本书一共包含三个部分，分别为：

第一部分：AutoML方法

本部分包含有关所有AutoML系统背后的基础知识的最新概述。

第1章:超参数优化

第2章:元学习

第3章:神经架构搜索

第二部分：AutoML系统

本部分包含对各种可用AutoML系统的深入描述，这些系统可用于开箱即用的有效机器学习。

第4章:Auto—WEKA。

第5章:Hyperopt-Sklearn

第6章:Auto-Sklearn:高效和健壮的自动机器学习

第7章:Auto-Net:面向自动调节的神经网络

第8章: TPOT :自动化机器学习的工具

第9章:自动统计学

第三部分：AutoML的挑战

本部分对迄今为止所有的AutoM L挑战进行了深入分析。第10章: 2015-2018

AutoML挑战赛系列分析

四、资源分享

获取方式：

1. 关注我们的公众号“AI遇见机器学习”