Hands-On Automated Machine Learning

ویرایش:  
نویسندگان: Sibanjan Das. Umit Mert Cakmak  
سری:  
ISBN (شابک) : 1788629892, 9781788629898 
ناشر: Packt Publishing 
سال نشر: 2018 
تعداد صفحات: 322 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 11 مگابایت 

قیمت کتاب (تومان) : 34,000



راهنمای عملی برای خودکارسازی داده‌ها و مدل‌سازی خطوط لوله برای برنامه‌های یادگیری ماشین سریع‌تر

ویژگی‌های کلیدی

• ساخت ماژول‌های خودکار برای انواع مختلف اجزای یادگیری ماشین
• درک عمیقی برای هر جزء از خط لوله یادگیری ماشین ایجاد کنید
• یاد بگیرید که از پلتفرم‌های AutoML منبع باز مختلف و سیستم‌های مهندسی ویژگی استفاده کنید

< h4>توضیحات کتاب

AutoML برای خودکارسازی قطعات یادگیری ماشین طراحی شده است. ابزارهای AutoML که به آسانی در دسترس هستند، وظایف متخصصان علوم داده را آسان می کنند و در جامعه تجزیه و تحلیل پیشرفته به خوبی مورد استقبال قرار می گیرند. این کتاب پایه‌های لازم برای ایجاد ماژول‌های یادگیری ماشین خودکار را پوشش می‌دهد، و اینکه چگونه می‌توانید با آن‌ها به عملی‌ترین شکل ممکن سرعت بگیرید.

شما یاد خواهید گرفت که وظایف مختلف را در خط لوله یادگیری ماشین خودکار کنید. مانند پیش پردازش داده ها، انتخاب ویژگی، آموزش مدل، بهینه سازی مدل و بسیاری موارد دیگر. این کتاب همچنین به شما نشان می‌دهد که چگونه از کتابخانه‌های خودکار موجود مانند auto-sklearn و auto-weka استفاده کنید، یا اجزای AutoML سفارشی خود را برای یادگیری ماشین ایجاد و گسترش دهید.

در پایان این کتاب، شما درک واضح تری از جنبه های مختلف یادگیری ماشین خودکار خواهید داشت و وظایف اتوماسیون را با استفاده از مجموعه داده های عملی ترکیب می کنید. یادگیری شما از این کتاب می تواند برای پیاده سازی یادگیری ماشین در پروژه های خود یا یک قدم نزدیک تر شدن به پیروزی در مسابقات مختلف یادگیری ماشین استفاده شود.

آنچه خواهید آموخت

• اصول سیستم های یادگیری ماشین خودکار را بدانید
• کاوش در auto-sklearn و auto-weka برای وظایف AutoML 
• روش های پیش پردازش خود را به همراه تبدیل ویژگی ها به صورت خودکار انجام دهید
• بهبود انتخاب و تولید ویژگی با استفاده از پشته پایتون
• به تمام اجزای جداگانه به یک چارچوب کامل AutoML بپیوندید
• تنظیم هایپرپارامتر را رمزگشایی کنید تا از آنها برای بهینه سازی مدل های ML خود استفاده کنید
• < li>در مفاهیمی مانند شبکه های عصبی و رمزگذارهای خودکار غوطه ور شوید 
• درک هزینه های اطلاعاتی و مبادلات مربوط به AutoML

این کتاب برای چه کسی است

< p> این کتاب برای دانشمندان داده، تحلیلگران داده و علاقه مندان به یادگیری ماشین که تازه با مفهوم یادگیری ماشینی خودکار آشنا هستند ایده آل است. مهندسان ML و متخصصان داده که علاقه مند به توسعه خطوط لوله یادگیری ماشین سریع برای پروژه های خود هستند نیز این کتاب را مفید خواهند یافت. برای دریافت بهترین نتیجه از این کتاب، قبل از برنامه نویسی پایتون قرار گرفتن لازم است.

A hands-on guide to automating data and modeling pipelines for faster machine learning applications

Key Features

• Build automated modules for different machine learning components
• Develop in-depth understanding for each component of a machine learning pipeline
• Learn to use different open source AutoML and feature engineering platforms

Book Description

AutoML is designed to automate parts of machine learning. The readily available AutoML tools are easing the tasks of Data Science practitioners and are being well-received in the advanced analytics community. This book covers the necessary foundations needed to create automated machine learning modules, and how you can get up to speed with them in the most practical way possible.

You will learn to automate different tasks in the machine learning pipeline such as data pre-processing, feature selection, model training, model optimization and much more. The book also demonstrates you how to use the already available automation libraries such as auto-sklearn and auto-weka, or create and extend your own custom AutoML components for machine learning.

By the end of this book, you will have a clearer understanding of what the different aspects of automated machine learning are, and incorporate the automation tasks using practical datasets. The learning you get from this book can be leveraged to implement machine learning in your projects or get a step closer to win various machine learning competitions.

What you will learn

• Understand the fundamentals of Automated Machine Learning systems
• Explore auto-sklearn and auto-weka for AutoML tasks 
• Automate your pre-processing methods along with feature transformation
• Enhance feature selection and generation using the Python stack
• Join all of the individual components into a complete AutoML framework
• Demystify hyperparameter tuning to use them to optimize your ML models
• Dive into concepts such as neural networks and autoencoders 
• Understand the information costs and trade-offs associated with AutoML

Who This Book Is For

This book is ideal for budding data scientists, data analysts and machine learning enthusiasts who are new to the concept of automated machine learning. ML engineers and data professionals who are interested in developing quick machine learning pipelines for their projects will also find this book to be useful. Prior exposure to Python programming is required to get the best out of this book.