没有合适的资源?快使用搜索试试~ 我知道了~
首页2021-PPT-自动化机器学习.pdf
资源详情
资源评论
资源推荐

自动化机器学习

1
关于本课程
本课程讲的是机器学习的一个重要发展方向——自动化机器学习:
传统机器学习严重依赖专家经验进行数据预处理,提取有效特征,选择合适算法和超参数
来训练模型。
深度学习也要依赖相关专家经验设计出符合特定应用场景如不同硬件设备和不同性能约束
的神经网络结构。
为了减少对专家经验的依赖以及避免人工经验带来的偏差,自动化机器学习应运而生。

2
课程目标
学完本课程后,您应该能:
了解AutoML的基本框架
掌握NAS算法和超参调优算法的基本原理
了解现有AutoML系统以及这些系统的优缺点
了解元学习的不同方法以及这些方法的基本原理

3
目录
1. AutoML框架
1.1 Nas算法
1.2 超参调优
2. 现有AutoML系统介绍
3. 元学习

4
1. AUTOML框架
• 基本框架
传统自动机器学习
自动数据标注
自动数据处理
自动特征工程
自动模型选择
自动超参调优
自动深度学习
自动数据标注
自动网络结构搜索
自动超参调优
• 关键技术
神经网络架构搜索
通过强化学习、演化算法以及梯度方法等自动设计出符合需求的神经网络架构,从而极大降低设计成本,广泛用于图像分类、
目标检测、语义分割、图像超分等视觉领域,以及自然语言处理以及图神经网络等领域。
超参调优
超参数的设置将直接影响模型的精度以及训练、推理速度。自动超参调优利用网格搜索、随机搜索以及贝叶斯优化等方法自动搜
索出符合特定场景需求的超参数。
剩余66页未读,继续阅读
















安全验证
文档复制为VIP权益,开通VIP直接复制

评论0