کامپیوترها

بهینه سازی فراپارامتر در یادگیری ماشینی: یادگیری ماشینی و مدل های یادگیری عمیق خود را کارآمدتر کنید

Hyperparameter Optimization in Machine Learning: Make Your Machine Learning and Deep Learning Models More Efficient

دانلود کتاب Hyperparameter Optimization in Machine Learning: Make Your Machine Learning and Deep Learning Models More Efficient (به فارسی: بهینه سازی فراپارامتر در یادگیری ماشینی: یادگیری ماشینی و مدل های یادگیری عمیق خود را کارآمدتر کنید) نوشته شده توسط «Tanay Agrawal»


اطلاعات کتاب بهینه سازی فراپارامتر در یادگیری ماشینی: یادگیری ماشینی و مدل های یادگیری عمیق خود را کارآمدتر کنید

موضوع اصلی: کامپیوترها

نوع: کتاب الکترونیکی

ناشر: Apress

نویسنده: Tanay Agrawal

زبان: english

فرمت کتاب: EPUB (قابل تبدیل به سایر فرمت ها)

سال انتشار: 2021

حجم فایل: 3.12 مگابایت

کد کتاب: 1484265793 , 9781484265796

نوبت چاپ: 1

توضیحات کتاب بهینه سازی فراپارامتر در یادگیری ماشینی: یادگیری ماشینی و مدل های یادگیری عمیق خود را کارآمدتر کنید

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.


Dive into hyperparameter tuning of machine learning models and focus on what hyperparameters are and how they work. This book discusses different techniques of hyperparameters tuning, from the basics to advanced methods.

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.

دانلود کتاب «بهینه سازی فراپارامتر در یادگیری ماشینی: یادگیری ماشینی و مدل های یادگیری عمیق خود را کارآمدتر کنید»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.

برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.

دیدگاهتان را بنویسید