توضیحات
This open access book provides a wealth of hands-on examples that illustrate how hyperparameter tuning can be applied in practice and gives deep insights into the working mechanisms of machine learning (ML) and deep learning (DL) methods. The aim of the book is to equip readers with the ability to achieve better results with significantly less time, costs, effort and resources using the methods described here.The case studies presented in this book can be run on a regular desktop or notebook computer. No high-performance computing facilities are required.
The idea for the book originated in a study conducted by Bartz & Bartz GmbH for the Federal Statistical Office of Germany (Destatis). Building on that study, the book is addressed to practitioners in industry as well as researchers, teachers and students in academia. The content focuses on the hyperparameter tuning of ML and DL algorithms, and is divided into two main parts: theory (Part I) and application (Part II). Essential topics covered include: a survey of important model parameters; four parameter tuning studies and one extensive global parameter tuning study; statistical analysis of the performance of ML and DL methods based on severity; and a new, consensus-ranking-based way to aggregate and analyze results from multiple algorithms. The book presents analyses of more than 30 hyperparameters from six relevant ML and DL methods, and provides source code so that users can reproduce the results. Accordingly, it serves as a handbook and textbook alike.
————————————————————–
ترجمه ماشینی :
این کتاب دسترسی باز نمونههای عملی فراوانی ارائه میکند که نشان میدهد چگونه تنظیم فراپارامتر را میتوان در عمل اعمال کرد و بینش عمیقی در مورد مکانیسمهای کار روشهای یادگیری ماشین (ML) و یادگیری عمیق (DL) ارائه میدهد. هدف این کتاب تجهیز خوانندگان به توانایی دستیابی به نتایج بهتر با زمان، هزینه، تلاش و منابع بسیار کمتر با استفاده از روشهایی است که در اینجا توضیح داده شده است. مطالعات موردی ارائه شده در این کتاب را میتوان بر روی یک رایانه رومیزی یا نوت بوک معمولی اجرا کرد. هیچ امکانات محاسباتی با کارایی بالا مورد نیاز نیست.
ایده این کتاب از مطالعه ای که توسط Bartz & Bartz GmbH برای اداره آمار فدرال آلمان (Destatis). بر اساس آن مطالعه، کتاب خطاب به شاغلان در صنعت و همچنین محققان، معلمان و دانش آموزان در دانشگاه است. محتوا بر تنظیم فراپارامتر الگوریتمهای ML و DL تمرکز دارد و به دو بخش اصلی تقسیم میشود: تئوری (بخش اول) و کاربرد (قسمت دوم). موضوعات ضروری تحت پوشش عبارتند از: بررسی پارامترهای مدل مهم. چهار مطالعه تنظیم پارامتر و یک مطالعه گسترده تنظیم پارامتر جهانی. تجزیه و تحلیل آماری از عملکرد روش های ML و DL بر اساس شدت. و روشی جدید و مبتنی بر رتبهبندی اجماع برای تجمیع و تجزیه و تحلیل نتایج از الگوریتمهای متعدد. این کتاب تجزیه و تحلیل بیش از 30 فراپارامتر از شش روش ML و DL مربوطه را ارائه می دهد و کد منبع را ارائه می دهد تا کاربران بتوانند نتایج را تولید کنند. بر این اساس، به عنوان کتاب راهنما و کتاب درسی به طور یکسان عمل می کند.
tag : دانلود کتاب تنظیم فراپارامتر برای یادگیری ماشینی و عمیق با R: راهنمای عملی , Download تنظیم فراپارامتر برای یادگیری ماشینی و عمیق با R: راهنمای عملی , دانلود تنظیم فراپارامتر برای یادگیری ماشینی و عمیق با R: راهنمای عملی , Download Hyperparameter Tuning for Machine and Deep Learning with R: A Practical Guide Book , تنظیم فراپارامتر برای یادگیری ماشینی و عمیق با R: راهنمای عملی دانلود , buy تنظیم فراپارامتر برای یادگیری ماشینی و عمیق با R: راهنمای عملی , خرید کتاب تنظیم فراپارامتر برای یادگیری ماشینی و عمیق با R: راهنمای عملی , دانلود کتاب Hyperparameter Tuning for Machine and Deep Learning with R: A Practical Guide , کتاب Hyperparameter Tuning for Machine and Deep Learning with R: A Practical Guide , دانلود Hyperparameter Tuning for Machine and Deep Learning with R: A Practical Guide , خرید Hyperparameter Tuning for Machine and Deep Learning with R: A Practical Guide , خرید کتاب Hyperparameter Tuning for Machine and Deep Learning with R: A Practical Guide ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.