Название: Метаобучение. Применение в AutoML и науке о данныхАвтор: Павел Браздил, Ян ван Рейн, Карлос Соарес
Издательство: ДМК-Пресс
Год: 2023
Страниц: 432
Язык: русский
Формат: pdf
Размер: 11.6 MB
Метаобучение – одна из самых быстрорастущих областей исследований в области машинного обучения (МО) – изучает методы получения эффективных моделей и решений путем адаптации процессов МО и интеллектуального анализа данных. Для адаптации обычно применяют информацию из опыта решения других задач, а адаптивные процессы могут использовать подходы МО. AutoML занимается автоматизацией процессов машинного обучения и является очень актуальной темой, напрямую связанной с метаобучением. Метаобучение и AutoML помогают искусственному интеллекту научиться выбирать наиболее подходящие методы самообучения и быстрее находить новые решения без вмешательства пользователя. Издание адресовано исследователям в области машинного обучения, интеллектуального анализа данных и искусственного интеллекта, а также может быть полезно студентам и аспирантам.
В части I обсуждаются некоторые основные концепции, в том числе, например, что такое ме та обуче ние и как оно связано с автоматизированным машинным обучением (automated machine learning, AutoML). Далее следуют представление базовой архитектуры систем метаобучения/AutoML и обсуждение систем, использующих выбор алгоритма с использованием априорных метаданных, методологии, используемой при их оценке, и различных типов моделей метауровня, при этом упоминаются соответствующие главы, в которых можно получить более подробную информацию. Эта часть также содержит обсуждение методов, используемых для оптимизации гиперпараметров и разработки рабочего процесса. Часть II включает в себя обсуждение более продвинутых технологий и методов настройки конфигурационных пространств и проведения экспериментов. В последующих главах обсуждаются различные типы ансамблей, метаобучение в ансамблевых методах, алгоритмы, используемые для потоков данных, и перенос метамоделей между задачами. Одна глава посвящена метаобучению для глубоких нейронных сетей. В последних двух главах обсуждаются проблемы автоматизации различных задач обработки данных и попытки проектирования более сложных систем. Часть III относительно короткая. В ней обсуждаются репозитории метаданных (включая результаты экспериментов) и приводятся примеры информации, которую можно извлечь из этих метаданных. В последней главе представлены заключительные замечания.
Скачать Метаобучение. Применение в AutoML и науке о данных