Automated Machine Learning: Methods, Systems, Challenges

این کتاب دسترسی آزاد اولین مرور کلی جامع از روش‌های عمومی در یادگیری ماشین خودکار (AutoML) را ارائه می‌کند، توصیفات سیستم‌های موجود را بر اساس این روش‌ها جمع‌آوری می‌کند، و اولین سری از چالش‌های بین‌المللی سیستم‌های AutoML را مورد بحث قرار می‌دهد. موفقیت اخیر کاربردهای تجاری ML و رشد سریع این حوزه، تقاضای زیادی برای روش های ML خارج از قفسه ایجاد کرده است که می توانند به راحتی و بدون دانش تخصصی مورد استفاده قرار گیرند. با این حال، بسیاری از موفقیت‌های اخیر یادگیری ماشینی به طور اساسی به متخصصان انسانی متکی است، که به صورت دستی معماری‌های مناسب ML (معماری‌های یادگیری عمیق یا جریان‌های کاری سنتی ML) و فراپارامترهای آن‌ها را انتخاب می‌کنند. برای غلبه بر این مشکل، حوزه AutoML یک اتوماسیون پیشرونده یادگیری ماشین را بر اساس اصول بهینه‌سازی و خود یادگیری ماشین هدف قرار می‌دهد. این کتاب به عنوان نقطه ورود به این زمینه به سرعت در حال توسعه برای محققان و دانشجویان پیشرفته به طور یکسان، و همچنین ارائه مرجعی برای پزشکانی است که قصد دارند از AutoML در کار خود استفاده کنند.

This open access book presents the first comprehensive overview of general methods in Automated Machine Learning (AutoML), collects descriptions of existing systems based on these methods, and discusses the first series of international challenges of AutoML systems. The recent success of commercial ML applications and the rapid growth of the field has created a high demand for off-the-shelf ML methods that can be used easily and without expert knowledge. However, many of the recent machine learning successes crucially rely on human experts, who manually select appropriate ML architectures (deep learning architectures or more traditional ML workflows) and their hyperparameters. To overcome this problem, the field of AutoML targets a progressive automation of machine learning, based on principles from optimization and machine learning itself. This book serves as a point of entry into this quickly-developing field for researchers and advanced students alike, as well as providing a reference for practitioners aiming to use AutoML in their work.