- Регистрация
- 22 Февраль 2018
- Сообщения
- 11.997
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:
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:
Для просмотра содержимого вам необходимо авторизоваться.
Скачать:
Скрытое содержимое могут видеть только члены группы Премиум.
Скрытый контент для пользователей All-dar.