贝叶斯优化实战，视频版

Bayesian Optimization in Action, 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。

贝叶斯优化有助于快速准确地为您的机器学习模型确定最佳配置。通过这个实践指南将其先进的技术付诸实践。


在 Bayesian Optimization in Action 中，您将学习如何：

• 在稀疏数据集和大型数据集上训练高斯过程
• 将高斯过程与深度神经网络相结合，使其灵活且富有表现力
• 查找最成功的超参数优化策略
• 在搜索空间中导航并识别高性能区域
• 将贝叶斯优化应用于成本约束、多目标和偏好优化
• 使用 PyTorch、GPyTorch 和 BoTorch 实现贝叶斯优化

Bayesian Optimization in Action 向您展示了如何通过应用尖端的贝叶斯技术来优化超参数优化、A/B 测试和机器学习过程的其他方面。本书使用清晰的语言、插图和具体的例子，证明了贝叶斯优化并不一定很困难！您将深入了解贝叶斯优化的工作原理，并学习如何使用尖端的 Python 库实现它。本书的代码示例易于重用，可让您直接将它们插入到自己的项目中，从而立即开始工作。

 关于技术

在机器学习中，优化是指以最少的步骤数实现最佳预测，即最短的交付路线、完美的价格点、最准确的建议。贝叶斯优化使用概率数学来有效地微调 ML 函数、算法和超参数，当传统方法太慢或太昂贵时。

 关于本书

Bayesian Optimization in Action 教您如何使用贝叶斯方法创建高效的机器学习流程。在其中，您将探索用于训练大型数据集、超参数优化和导航复杂搜索空间的实用技术。这本有趣的书包括引人入胜的插图和有趣的例子，例如完善咖啡甜度、预测天气，甚至揭穿通灵的说法。您将学习如何驾驭多目标场景、考虑决策成本以及进行成对比较。

 里面有什么

• 稀疏数据集和大型数据集的高斯过程
• 超参数优化策略
• 识别高性能区域
• PyTorch、GPyTorch 和 BoTorch 中的示例

 关于读者

适用于对数学和统计学有信心的机器学习从业者。