💻 Программирование [oreilly] Байесовская оптимизация в действии (2023)

[Ho Lee Fuk]

Автор: oreilly

Название: Байесовская оптимизация в действии (2023)

Описание:

Bayesian Optimization in Action

oreilly

В Video Editions рассказчик читает книгу, в то время как содержание, рисунки, списки кодов, диаграммы и текст появляются на экране. Как аудиокнига, которую можно смотреть и в виде видео.

Байесовская оптимизация помогает быстро и точно определить наилучшую конфигурацию для ваших моделей машинного обучения. Примените передовые методы на практике с помощью этого практического руководства.

В курсе «Байесовская оптимизация в действии» вы узнаете, как:

Обучайте гауссовские процессы как на разреженных, так и на больших наборах данных

Объедините гауссовские процессы с глубокими нейронными сетями, чтобы сделать их гибкими и выразительными.

Найдите наиболее успешные стратегии настройки гиперпараметров

Навигация по пространству поиска и определение высокоэффективных регионов

Примените байесовскую оптимизацию к многоцелевой оптимизации с ограничениями по затратам и оптимизации предпочтений.

Реализуйте байесовскую оптимизацию с помощью PyTorch, GPyTorch и BoTorch.

Байесовская оптимизация в действии показывает, как оптимизировать настройку гиперпараметров, A/B-тестирование и другие аспекты процесса машинного обучения, применяя передовые байесовские методы. Используя понятный язык, иллюстрации и конкретные примеры, эта книга доказывает, что байесовская оптимизация не должна быть сложной! Вы получите углубленное представление о том, как работает байесовская оптимизация, и узнаете, как реализовать ее с помощью передовых библиотек Python. Простые в повторном использовании примеры кода, приведенные в книге, позволят вам сразу же приступить к делу, подключив их прямо к вашим собственным проектам.

О технологии

В машинном обучении оптимизация заключается в достижении наилучших прогнозов — кратчайших маршрутов доставки, идеальных цен, наиболее точных рекомендаций — за наименьшее количество шагов. Байесовская оптимизация использует математику вероятности для эффективной настройки функций, алгоритмов и гиперпараметров машинного обучения, когда традиционные методы слишком медленны или дороги.

Материал на английском языке

Подробнее:

Скачать:

🔒

Доступ ограничен

Авторизуйтесь, чтобы увидеть цену и получить доступ к материалам

Вход Регистрация