自动机器学习

自动机器学习；OpenAI；GPT；超参数优化；云平台……

本书介绍了自动特征工程、模型和超参数调优、基于梯度的方法等基础技术，带领读者探索在开源工具中实现这些技术的不同方式。本书还从企业工具出发，介绍在三个主要云服务提供商中使用自动机器学习的不同方法：Microsoft Azure、Amazon Web Services（AWS）和Google Cloud Platform（GCP）。进一步通过使用自动机器学习构建机器学习模型来探索云自动机器学习平台的功能。后面的章节将展示如何通过自动机器学习来开发耗时长、包含重复任务的精准模型。本书可作为计算机科学、数据科学、机器学习、人工智能等专业学生的学习资料，也可作为相关从业者或希望使用开源工具与云平台自动构建机器学习模型的读者的参考资料。

Adnan Masood，工程师、教师、研究员，在金融技术和开发大型系统方面拥有超过20年的全球经验。被微软评为微软区域总监和微软人工智能领域最有价值专家。担任UST-Global的首席人工智能官和首席架构师，负责公司在认知计算、人工智能、机器学习和学术关系方面的整体战略。与斯坦福人工智能实验室、麻省理工学院CSAIL合作，领导数据科学家和工程师团队构建人工智能解决方案，以产生影响一系列业务、产品和计划的商业价值和见解。在帕克大学教授数据科学，并在加州大学圣地亚哥分校教授Windows WCF课程。担任《财富》500强企业和初创企业顾问。曾出版亚马逊编程语言畅销书《f#函数编程》。

第1章走进自动机器学习1
1.1机器学习开发生命周期1
1.2自动机器学习简介2
1.3自动机器学习的工作原理3
1.4数据科学的大众化5
1.5揭穿自动机器学习的迷思5
1.6自动机器学习生态系统6
1.7小结11
第2章自动机器学习、算法和技术12
2.1自动机器学习概述12
2.2自动特征工程15
2.3超参数优化16
2.4神经架构搜索18
2.5小结19
第3章使用开源工具和库进行自动机器学习20
3.1技术要求20
3.2自动机器学习的开源生态系统21
3.3TPOT22
3.4Featuretools29
3.5Microsoft NNI32
3.6auto-sklearn38
3.7AutoKeras41
3.8Ludwig44
3.9AutoGluon44
3.10小结44
第4章Azure Machine Learning45
4.1Azure Machine Learning入门45
4.2Azure Machine Learning栈46
4.3Azure Machine Learning服务50
4.4使用Azure Machine Learning建模56
4.5使用Azure Machine Learning部署和测试模型68
4.6小结70
第5章使用Azure进行自动机器学习71
5.1Azure中的自动机器学习71
5.2使用自动机器学习进行时间序列预测85
5.3小结97
第6章使用AWS进行机器学习98
6.1AWS环境中的机器学习98
6.2开始使用AWS101
6.3使用Amazon SageMaker Autopilot109
6.4使用Amazon SageMaker JumpStart111
6.5小结111
第7章使用Amazon SageMaker Autopilot进行自动机器学习113
7.1技术要求113
7.2创建Amazon SageMaker Autopilot受限实验113
7.3创建AutoML实验120
7.4运行SageMakerAutopilot实验并部署模型123
7.5构建并运行SageMaker Autopilot实验126
7.6小结132
第8章使用Google Cloud Platform进行机器学习134
8.1Google Cloud Platform使用入门134
8.2使用GCP实现AI和ML137
8.3Google Cloud AI Platform和AI Hub139
8.4Google Cloud AI Platform使用入门141
8.5使用Google Cloud进行AutoML144
8.6小结146
第9章使用GCP进行自动机器学习147
9.1Google Cloud AutoML Tables147
9.2创建AutoML Tables实验148
9.3了解AutoML Tables模型部署158
9.4在AutoML Tables上使用BigQuery公共数据集162
9.5自动机器学习做价格预测164
9.6小结170
第10章企业中的自动机器学习171
10.1企业是否需要自动机器学习171
10.2自动机器学习——企业高级分析的加速器172
10.3自动机器学习的挑战和机遇173
10.4建立信任——自动机器学习中的模型可解释性和透明度174
10.5在企业中引入自动机器学习176
10.6总结与展望177