Метаобучение. Применение в AutoML и науке о данных
Эта книга представляет собой всестороннее и подробное введение в область метаобучения и автоматизированного машинного обучения (AutoML). Она охватывает основные концепции, архитектуру систем, методы оценки, работу с наборами данных, оптимизацию гиперпараметров, ансамблирование моделей и проектирование рабочих процессов. Авторы детально рассматривают, как применять метаобучение для выбора, комбинирования, адаптации и настройки алгоритмов и моделей машинного обучения.
Книга разделена на две основные части. Первая часть посвящена фундаментальным концепциям и архитектуре: базовым определениям, типам задач, роли метаданных и метапризнаков, различным моделям метауровня, а также ключевым компонентам AutoML, таким как оптимизация гиперпараметров и автоматическое построение конвейеров обработки данных.
Вторая часть книги погружается в передовые технологии и методы. В неё входят настройка пространств конфигураций и экспериментов, метаобучение для создания ансамблей моделей, рекомендательные системы для выбора алгоритмов в условиях потоковых данных, а также вопросы переноса метамоделей между различными задачами.
Издание будет чрезвычайно полезно исследователям, аспирантам и практикам, работающим в областях машинного обучения, интеллектуального анализа данных, науки о данных и искусственного интеллекта, стремящимся автоматизировать и оптимизировать процессы построения моделей.
