深入理解AutoML和AutoDL：构建自动化机器学习与深度学习平台

王健宗大型金融集团科技公司深度学习平台和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国际论文30余篇，以及发明专利200余项。多届国内知名大数据、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资深算法工程师，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，在国际顶级会议和顶级期刊发表过多篇文章，担任过多个国际顶级期刊的评委。

出版者:机械工业出版社

作者:王健宗

页数:348

出版时间:2019-8-20

价格:99.00元

装帧:平装

isbn号码:9787111634362

丛书系列:智能系统与技术丛书

图书标签:人工智能AutoML和AutoDL机器学习深度学习系统的综述了三个ML前沿方向科技MLCS

承接 住宅 自建房 室内改造 装修设计 免费咨询 QQ：624617358 一级注册建筑师 亲自为您回答、经验丰富，价格亲民。无论项目大小，都全力服务。期待合作，欢迎咨询！QQ：624617358

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和元学习的著作。

作者是资深的人工智能专家，大型金融集团科技公司深度学习平台和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、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、学术界和媒体界的资深专家的一致好评。它既能让新手理清AutoML的脉络，快速上手机器学习，又能让有经验的从业者全面掌握AutoML知识体系，工作变得更高效。

全书共14章，逻辑上分为四部分：

第一部分（第1~2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（第14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。

读后感

在传统的机器学习模型中，调参是非常费时又费力又非常关键的一项工作。对于模型参数的配置基本上没有一种有效的策略。为解决此类问题，AutoML学习范式近年来被提出，深受机器学习领域的关注。在TOP Conference中，是一个非常前沿的Topic。 由华章出版的《深入理解AutoML和AutoD...  

用户评价

人脸识别之后的下一个风口是行人重识别（ReID） ，通过结合AutoML等前沿技术，进一步创新性地实现了模型参数的自动搜索与迭代，突破了依赖算法研究员手工设计与调参的传统算法开发流程，也使得算法的泛化性能更强。

《深入理解AutoML和AutoDL》这本书同时介绍了面向机器学习的AutoML和面向深度学习的AutoDL的框架、方法和实践，解决了传统方法中调参费时费力的困扰。通过对本书的阅读，使我基本理清了AutoML的脉络，快速上手机器学习，为全面掌握AutoML的知识体系奠定了基础。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、学术界和媒体界的资深专家的一致好评。相信对本方向感兴趣的读者一定能从中受益匪浅。

AutoML在机器学习的发展过程中一直是研究者的梦想，让模型的超参数甚至模型结构本身就可以通过学习过程自动探索到优解。

看你刷，就值0分

在我接触到元学习之后，就对这方面的研究保持了浓厚的兴趣，遗憾的是当时国内并没有一本讲解AutoML发展和技术的专著。可喜的是，机械工业出版社即将出版的《深入理解AutoML和AutoDL：构建自动化机器学习与深度学习平台》就是这样一本建立了完整的AutoML知识体系的启发性的书籍。我有幸通过华章分社的鲜读社区预读了本书，我重点关注了NAS（神经网络架构搜索）、基于RL的AutoDL和元学习。元学习的思想是学习“学习训练”的过程，旨在设计能够通过训练一些实例来快速学习新技能或适应新环境的模型。可以说，元学习的终极目标就是创造出一个具有学习能力的婴儿，剩下的事，交给他/她就好。 本书提供了大量的AutoML和AutoDL的启发性思路和理解角度，使我受益匪浅，确实是一本AutoML入门的好书。