自動機器學習：方法、系統(tǒng)與挑戰(zhàn)

　　本書全面介紹自動機器學習，主要包含自動機器學習的方法、實際可用的自動機器學習系統(tǒng)及目前所面臨的挑戰(zhàn)。在自動機器學習方法中，本書涵蓋超參優(yōu)化、元學習、神經(jīng)網(wǎng)絡架構搜索三個部分，每一部分都包括詳細的內容介紹、原理解讀、具體運用方法和存在的問題等。此外，本書還具體介紹了現(xiàn)有的各種可用的自動機器學習系統(tǒng)，如Auto-sklearn、Auto-WEKA及Auto-Net等，并且本書最后一章詳細介紹了具有代表性的AutoML挑戰(zhàn)賽及挑戰(zhàn)賽結果背后所蘊含的理念，有助于從業(yè)者設計出自己的AutoML系統(tǒng)。本書是國際上第一本介紹自動機器學習的圖書，內容全面且翔實，尤為重要的是涵蓋了最新的自動機器學習領域進展和難點。對于初步研究者，本書可以作為其研究自動機器學習方法的背景知識和起點；對于工業(yè)界從業(yè)人員，本書全面介紹了自動機器學習系統(tǒng)及其實際應用要點；對于已經(jīng)從事自動機器學習的研究者，本書可以提供一個自動機器學習最新研究成果和進展的概覽?？傮w來說，本書受眾較為廣泛，既可以作為入門書，也可以作為專業(yè)人士的參考書。

　　弗蘭克·哈特（Frank Hutter），德國弗萊堡大學教授，機器學習實驗室負責人。主要研究統(tǒng)計機器學習、知識表示、自動機器學習及其應用，獲得第一屆（2015/2016）、第二屆（2018/2019）自動機器學習比賽的世界冠軍。拉斯·科特霍夫（Lars Kotthoff），美國懷俄明大學助理教授。主要研究深度學習、自動機器學習，致力于構建領先且健壯的機器學習系統(tǒng)，領導Auto-WEKA項目的開發(fā)和維護。華金·萬赫仁（Joaquin Vanschoren） ，荷蘭埃因霍溫理工大學助理教授。主要研究機器學習的逐步自動化，創(chuàng)建了共享數(shù)據(jù)開源平臺OpenML.org，并獲得微軟Azure研究獎和亞馬遜研究獎。