机读格式显示(MARC)

• 000 02255cam 2200361 450

• 001 0000701071

• 005 20191213155500.0

• 010 __ |a 978-7-111-63436-2 |d CNY99.00

• 099 __ |a CAL 012019125707

• 100 __ |a 20191008d2019 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 深入理解Auto ML和Auto DL |A shen ru li jie Auto ML he Auto DL |e 构建自动化机器学习与深度学习平台 |d = Dive into AutoML and AutoDL |e building automated platforms for machine learning and deep learning |f 王健宗, 瞿晓阳著 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2019

• 215 __ |a XIII, 333页 |c 图 |d 25cm

• 225 2_ |a 智能系统与技术丛书 |A zhi neng xi tong yu ji shu cong shu

• 300 __ |a 华章教育

• 320 __ |a 有书目

• 330 __ |a 本书是自动化人工智能的入门级书籍，书中涵盖了大部分基础知识，因此非专业人士也可以读懂。自动化人工智能最重要的两个分支是自动化机器学习和自动化深度学习，因此，本书的核心和聚焦在这两大领域，旨在为专业人士和刚入门的读者提供一些研究方向和思路。在逻辑上，全书共分四部分。第一部分是人工智能基础概述，并介绍了现有的AutoML平台。第二部分是自动化机器学习，这一部分主要介绍基本的机器学习知识以及自动化特征工程、自动化模型选择和自动化超参优化。第三部分是自动化深度学习，着重介绍近几年最前沿的算法和技术，这是全书最核心的部分。第四部分是关于元学习的内容，元学习跳出了学习“结果”的思想，学习的是“学习过程”，这也是自动化人工智能的理想目标。因此，我们将元学习作为一个单独的部分，作为全书内容的一个升华，读者可以在本书的引导下展开更深入的研究。 本书的重点内容如下：（1）自动化特征工程方法（2）自动化模型选择方法（3）自动化超参优化（4）神经架构搜索（5）神经架构搜索加速方案（6）模型压缩和加速方案（7）元学习

• 410 _0 |1 2001 |a 智能系统与技术丛书

• 510 1_ |a Dive into AutoML and AutoDL : ebuilding automated platforms for machine learning and deep learning |z eng

• 517 1_ |a 构建自动化机器学习与深度学习平台 |A gou jian zi dong hua ji qi xue xi yu shen du xue xi ping tai

• 606 0_ |a 人工智能 |A ren gong zhi neng |x 基础知识

• 606 0_ |a 机器学习 |A ji qi xue xi |x 基础知识

• 690 __ |a TP18 |v 5

• 701 _0 |a 王健宗 |A wang jian zong |4 著

• 701 _0 |a 瞿晓阳 |A qu xiao yang |4 著

• 801 _0 |a CN |b DLXH |c 20191008

• 801 _2 |a CN |b PUL |c 20191114

• 905 __ |a SCNU |f TP18/1023

• 920 __ |a 242430 |z 1