دانلود کتاب Hyperparameter Optimization in Machine Learning: Make Your Machine Learning and Deep Learning Models More Efficient
49,000 تومان
بهینه سازی فراپارامتر در یادگیری ماشینی: یادگیری ماشینی و مدل های یادگیری عمیق خود را کارآمدتر کنید
| موضوع اصلی | کامپیوترها |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| ناشر | Apress |
| حجم فایل | 3.12 مگابایت |
| کد کتاب | 1484265793 , 9781484265796 |
| نوبت چاپ | 1 |
| نویسنده | Tanay Agrawal |
|---|---|
| زبان | انگلیسی |
| فرمت | EPUB |
| سال انتشار | 2021 |
جدول کد تخفیف
| تعداد کتاب | درصد تخفیف | قیمت کتاب |
| 1 | بدون تخفیف | 25,000 تومان |
| 2 | 20 درصد | 20,000 تومان |
| 3 الی 5 | 25 درصد | 18,750 تومان |
| 6 الی 10 | 30 درصد | 17,500 تومان |
| 11 الی 20 | 35 درصد | 16,250 تومان |
| 21 الی 30 | 40 درصد | 15,000 تومان |
| 31 الی 40 | 45 درصد | 13,750 تومان |
| 41 الی 50 | 50 درصد | 12,500 تومان |
| 51 الی 70 | 55 درصد | 11,250 تومان |
| 71 الی 100 | 60 درصد | 10,000 تومان |
| 101 الی 150 | 65 درصد | 8,750 تومان |
| 151 الی 200 | 70 درصد | 7,500 تومان |
| 201 الی 300 | 75 درصد | 6,250 تومان |
| 301 الی 500 | 80 درصد | 5,000 تومان |
| 501 الی 1000 | 85 درصد | 3,750 تومان |
| 1001 الی 10000 | 90 درصد | 2,500 تومان |
This is a step-by-step guide to hyperparameter optimization, starting with what hyperparameters are and how they affect different aspects of machine learning models. It then goes through some basic (brute force) algorithms of hyperparameter optimization. Further, the author addresses the problem of time and memory constraints, using distributed optimization methods. Next you’ll discuss Bayesian optimization for hyperparameter search, which learns from its previous history.
The book discusses different frameworks, such as Hyperopt and Optuna, which implements sequential model-based global optimization (SMBO) algorithms. During these discussions, you’ll focus on different aspects such as creation of search spaces and distributed optimization of these libraries.
Hyperparameter Optimization in Machine Learning creates an understanding of how these algorithms work and how you can use them in real-life data science problems. The final chapter summaries the role of hyperparameter optimization in automated machine learning and ends with a tutorial to create your own AutoML script.
Hyperparameter optimization is tedious task, so sit back and let these algorithms do your work.
What You Will Learn
• Discover how changes in hyperparameters affect the model’s performance.
• Apply different hyperparameter tuning algorithms to data science problems
• Work with Bayesian optimization methods to create efficient machine learning and deep learning models
• Distribute hyperparameter optimization using a cluster of machines
• Approach automated machine learning using hyperparameter optimization
Who This Book Is For
Professionals and students working with machine learning.
ترجمه فارسی (ترجمه ماشینی)
در تنظیم هایپرپارامتر مدل های یادگیری ماشین غوطه ور شوید و بر روی این که فراپارامترها چیست و چگونه کار می کنند تمرکز کنید. این کتاب تکنیکهای مختلف تنظیم فراپارامترها، از اصول اولیه تا روشهای پیشرفته را مورد بحث قرار میدهد.
این یک راهنمای گام به گام برای بهینهسازی هایپرپارامتر است، که از چیستی هایپرپارامترها و نحوه تأثیر آنها بر جنبههای مختلف مدلهای یادگیری ماشین شروع میشود. . سپس از طریق برخی از الگوریتمهای اولیه (بروت فورس) بهینهسازی هایپرپارامتر میگذرد. علاوه بر این، نویسنده با استفاده از روشهای بهینهسازی توزیع شده، به مشکل محدودیتهای زمان و حافظه میپردازد. در ادامه درباره بهینهسازی بیزی برای جستجوی فراپارامتر بحث خواهید کرد، که از تاریخچه قبلی خود درس میگیرد.
این کتاب چارچوبهای مختلفی مانند Hyperopt و Optuna را مورد بحث قرار میدهد، که الگوریتمهای بهینهسازی جهانی مبتنی بر مدل متوالی (SMBO) را پیادهسازی میکند. در طول این بحثها، شما بر جنبههای مختلف مانند ایجاد فضاهای جستجو و بهینهسازی توزیع شده این کتابخانهها تمرکز خواهید کرد.
بهینهسازی فراپارامتر در یادگیری ماشینی درک درستی از نحوه کار این الگوریتمها و نحوه استفاده از آنها در یادگیری ماشین ایجاد میکند. مشکلات علم داده در زندگی واقعی فصل آخر نقش بهینهسازی هایپرپارامتر در یادگیری ماشین خودکار را خلاصه میکند و با آموزشی برای ایجاد اسکریپت AutoML خود به پایان میرسد.
بهینهسازی Hyperparameter کار خستهکنندهای است، بنابراین بنشینید و اجازه دهید این الگوریتمها کار شما را انجام دهند.
آنچه یاد خواهید گرفت
• کشف کنید که چگونه تغییرات در ابرپارامترها بر عملکرد مدل تاثیر میگذارد.
• استفاده از الگوریتمهای مختلف تنظیم فراپارامتر برای مسائل علم داده
• کار با روشهای بهینهسازی بیزی برای ایجاد ماشین کارآمد مدلهای یادگیری و یادگیری عمیق
• توزیع بهینهسازی فراپارامتر با استفاده از مجموعهای از ماشینها
• رویکرد یادگیری ماشینی خودکار با استفاده از بهینهسازی فراپارامتر
این کتاب برای چه کسانی است
حرفهها و دانشآموزانی که با یادگیری ماشین کار میکنند.
برای فرستادن دیدگاه، باید وارد شده باشید.
محصولات مرتبط
دانلود کتاب Financial Cryptography and Data Security: FC 2017 International Workshops, WAHC, BITCOIN, VOTING, WTSC, and TA, Sliema, Malta, April 7, 2017, Revised Selected Papers
| موضوع اصلی | کامپیوترها |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| ناشر | Springer International Publishing |
| تعداد صفحه | 646 |
| حجم فایل | 20.18 مگابایت |
| کد کتاب | 3319702785 , 9783319702780 |
| نوبت چاپ | 1 |
نقد و بررسیها
هنوز بررسیای ثبت نشده است.