Metalearning : applications to automated machine learning and data mining

Abstract

Cuốn sách truy cập mở này là một trong những lĩnh vực nghiên cứu phát triển nhanh nhất về học máy, nghiên cứu metalearning các phương pháp nguyên tắc để có được các mô hình và giải pháp hiệu quả bằng cách điều chỉnh các quy trình khai thác dữ liệu và học máy. Sự thích ứng này thường khai thác thông tin từ kinh nghiệm trong quá khứ về các nhiệm vụ khác và các quy trình thích ứng có thể liên quan đến các phương pháp học máy. Là một lĩnh vực liên quan đến metalearning và là chủ đề nóng hiện nay, học máy tự động (AutoML) liên quan đến việc tự động hóa các quy trình học máy. Metalearning và AutoML có thể giúp AI học cách kiểm soát việc áp dụng các phương pháp học tập khác nhau và thu được các giải pháp mới nhanh hơn mà không cần sự can thiệp không cần thiết từ người dùng. Cuốn sách này cung cấp phần giới thiệu toàn diện và kỹ lưỡng về hầu hết các khía cạnh của metalearning và AutoML, bao gồm các khái niệm và kiến ​​trúc cơ bản, đánh giá, bộ dữ liệu, tối ưu hóa siêu tham số, tập hợp và quy trình làm việc cũng như cách sử dụng kiến ​​thức này để chọn, kết hợp, soạn thảo, điều chỉnh và định cấu hình cả thuật toán và mô hình để mang lại giải pháp nhanh hơn và tốt hơn cho các vấn đề về khai thác dữ liệu và khoa học dữ liệu. Do đó, nó có thể giúp các nhà phát triển phát triển các hệ thống có thể tự cải thiện thông qua kinh nghiệm. Cuốn sách này là bản cập nhật đáng kể của ấn bản đầu tiên xuất bản năm 2009 - gồm 18 chương. Điều này cho phép các tác giả đề cập sâu hơn đến các chủ đề phù hợp nhất và kết hợp tổng quan về nghiên cứu gần đây trong lĩnh vực tương ứng. Cuốn sách sẽ được các nhà nghiên cứu và nghiên cứu sinh quan tâm trong lĩnh vực học máy, khai thác dữ liệu, khoa học dữ liệu và trí tuệ nhân tạo.