Description
Dans les éditions vidéo, le narrateur lit le livre tandis que le contenu, les figures, les listes de codes, les diagrammes et le texte apparaissent à l’écran. Comme un livre audio que vous pouvez également regarder sous forme de vidéo.
L’optimisation bayésienne permet d’identifier la meilleure configuration pour vos modèles d’apprentissage automatique avec rapidité et précision. Mettez en pratique ses techniques avancées avec ce guide pratique.
Dans L’optimisation bayésienne en action vous apprendrez à:
- Entraîner des processus gaussiens sur des ensembles de données clairsemés et volumineux
- Combinez les processus gaussiens avec des réseaux neuronaux profonds pour les rendre flexibles et expressifs
- Trouvez les stratégies les plus efficaces pour le réglage des hyperparamètres
- Naviguez dans un espace de recherche et identifiez les régions les plus performantes
- Appliquer l’optimisation bayésienne à l’optimisation avec contraintes de coûts, multi-objectifs et préférences
- Implémenter l’optimisation bayésienne avec PyTorch, GPyTorch et BoTorch
L’optimisation bayésienne en action vous montre comment optimiser le réglage des hyperparamètres, les tests A/B et d’autres aspects du processus d’apprentissage automatique en appliquant des techniques bayésiennes de pointe. À l’aide d’un langage clair, d’illustrations et d’exemples concrets, ce livre prouve que l’optimisation bayésienne ne doit pas être difficile ! Vous obtiendrez des informations détaillées sur le fonctionnement de l’optimisation bayésienne et apprendrez à la mettre en œuvre avec des bibliothèques Python de pointe. Les exemples de code faciles à réutiliser du livre vous permettent de démarrer en les connectant directement à vos propres projets.
À propos de la technologie
Dans le domaine du machine learning, l’optimisation consiste à obtenir les meilleures prévisions (itinéraires de livraison les plus courts, niveaux de prix parfaits, recommandations les plus précises) en un minimum d’étapes. L’optimisation bayésienne utilise les mathématiques des probabilités pour affiner efficacement les fonctions, les algorithmes et les hyperparamètres de ML lorsque les méthodes traditionnelles sont trop lentes ou trop coûteuses.
Publié le 12/2023
Liens de téléchargement
Téléchargement direct
Optimisation bayésienne dans Action.zip (1,7 Go) | Miroir