Байесовская оптимизация с примерами из библиотек Python

Нгуен Куан, 2024

Обзор

Эта книга исследует оптимизацию моделей машинного обучения, опираясь на байесовский метод и теорию вероятностей. Практические примеры реализованы на языке Python с использованием популярных библиотек, таких как PyTorch, GPyTorch и BoTorch. Рассматриваются методы настройки гиперпараметров, применение гауссовских процессов, а также стратегии повышения вычислительной производительности.

Оптимизация в машинном обучении направлена на достижение наилучших прогнозов при минимальных затратах вычислительных ресурсов. Байесовский подход использует математический аппарат теории вероятностей для настройки функций, алгоритмов и гиперпараметров моделей.

Кому подойдёт

• Специалистам по машинному обучению, желающим улучшить производительность моделей.
• Разработчикам, использующим Python и библиотеки PyTorch, GPyTorch, BoTorch.
• Исследователям, интересующимся байесовскими методами в оптимизации.

Ключевые особенности

• Язык: Русский
• Год издания: 2024
• Издательство: АЛИСТ
• Тип обложки: мягкая обложка
• Объем: 416 страниц
• ISBN: 9786010844377

<hr>

Bayesian Optimization with Python Library Examples

Nguyen Quan, 2024

Overview

This book explores the optimization of machine learning models using Bayesian methods and probability theory. Practical examples are provided in Python, leveraging libraries like PyTorch, GPyTorch, and BoTorch. It covers hyperparameter tuning techniques, Gaussian processes, and strategies for enhancing computational efficiency.

Optimization in machine learning aims to achieve the best predictions with minimal computational resources. The Bayesian approach utilizes the mathematical framework of probability theory to tune model functions, algorithms, and hyperparameters.

Who it's for

• Machine learning professionals seeking to improve model performance.
• Developers working with Python and libraries such as PyTorch, GPyTorch, and BoTorch.
• Researchers interested in Bayesian optimization techniques.

Key features

• Language: Russian
• Year: 2024
• Publisher: АЛИСТ
• Binding: Softcover
• Pages: 416
• ISBN: 9786010844377