进化深度学习，视频版

Evolutionary Deep Learning, Video Edition

 视频说明

在视频版中，叙述者阅读书籍，同时内容、图形、代码列表、图表和文本出现在屏幕上。就像有声读物一样，您也可以将其作为视频观看。

发现在学术论文之外从未见过的独一无二的 AI 策略！了解进化计算原理如何克服深度学习的常见缺陷，并在不经常手动调整的情况下提供适应性强的模型升级。


在 Evolutionary Deep Learning 中，您将学习如何：

• 通过进化计算解决复杂的设计和分析问题
• 通过进化计算 （EC）、遗传算法和粒子群优化来调整深度学习超参数
• 将无监督学习与深度学习自动编码器结合使用，以重新生成示例数据
• 了解强化学习的基础知识和 Q-Learning 方程
• 将Q-Learning应用于深度学习，产生深度强化学习
• 优化无监督自编码器的损失函数和网络架构
• 制作一个可以玩 OpenAI Gym 游戏的进化代理

Evolutionary Deep Learning 是一份指南，旨在通过基于生物进化原理的 AutoML 增强功能来改进深度学习模型。这种令人兴奋的新方法利用鲜为人知的 AI 方法来提高性能，而无需数小时的数据注释或模型超参数调整。在这份独一无二的指南中，您将发现用于优化从数据收集到网络架构的所有内容的工具。

 关于技术

深度学习在这本不可思议的书中与进化生物学相遇。探索受生物学启发的算法和直觉如何增强神经网络的力量，以解决棘手的搜索、优化和控制问题。相关、实用且非常有趣的例子展示了来自自然界的古老教训如何塑造数据科学的前沿。

 关于本书

进化深度学习引入了进化计算 （EC），并为您提供了一个技术工具箱，可以应用于整个深度学习管道。了解网络拓扑、生成建模、强化学习等的遗传算法和 EC 方法！交互式 Colab 笔记本让您有机会在探索时进行实验。

 里面有什么

• 通过进化计算解决复杂的设计和分析问题
• 调整深度学习超参数
• 将Q-Learning应用于深度学习，产生深度强化学习
• 优化无监督自编码器的损失函数和网络架构
• 制作一个可以玩 OpenAI Gym 游戏的进化代理

 关于读者

适用于了解 Python 的数据科学家。

 关于作者

Micheal Lanham 是一位久经考验的软件和技术创新者，拥有 20 多年的经验。

 引号
使用受生物学启发的优化方法，快速完成机器学习模型训练和超参数选择。

– Erik Sapper 博士，加州理工学院圣路易斯奥比斯波分校

使用神经网络轻松学习进化实践。

– Ninoslav Čerkez，Rimac Technology

数据科学与优化的结合！包括应用优化来改进 AI、ML、深度学习等的精彩场景。我们生活在一个跨学科的时代！