近十年來，與機(jī)器學(xué)習(xí)相關(guān)的應(yīng)用和研究都經(jīng)歷了爆炸性的增長(zhǎng)。特別是深度學(xué)習(xí)在計(jì)算機(jī)視覺、語音處理、游戲等很多應(yīng)用領(lǐng)域都取得了關(guān)鍵性的突破。然而，大多數(shù)機(jī)器學(xué)習(xí)方法的性能在很大程度上取決于過多的模型設(shè)計(jì)策略，這使得初學(xué)者很難快速掌握和應(yīng)用機(jī)器學(xué)習(xí)。在深度學(xué)習(xí)中尤其如此。如果人類工程師希望神經(jīng)網(wǎng)絡(luò)在特定任務(wù)上達(dá)到理想的性能，他們需要選擇和設(shè)計(jì)網(wǎng)絡(luò)結(jié)構(gòu)、學(xué)習(xí)過程、正則化方法和超參數(shù)。此外，對(duì)于不同的任務(wù)，工程師需要重復(fù)上述過程。需要注意的是，即使是專家，也需要在特定的數(shù)據(jù)集上經(jīng)歷多次迭代和試錯(cuò)，才能找到一套好的網(wǎng)絡(luò)配置參數(shù)，對(duì)于初學(xué)者來說尤其如此。

網(wǎng)絡(luò)搜索和隨機(jī)搜索對(duì)比示例

自動(dòng)機(jī)器學(xué)習(xí)旨在通過數(shù)據(jù)驅(qū)動(dòng)、面向目標(biāo)和自動(dòng)化的方法實(shí)現(xiàn)上述過程。換句話說，用戶只需要提供數(shù)據(jù)，AtuoML系統(tǒng)就可以自動(dòng)學(xué)習(xí)使應(yīng)用達(dá)到最佳性能的機(jī)器學(xué)習(xí)模型。因此，自動(dòng)機(jī)器學(xué)習(xí)可以使希望使用機(jī)器學(xué)習(xí)方法但缺乏機(jī)器學(xué)習(xí)資源或背景知識(shí)的領(lǐng)域科學(xué)家使用最新的機(jī)器學(xué)習(xí)模型。這可以算是機(jī)器學(xué)習(xí)的一種民主化，即通過AutoML，每個(gè)人都可以得到行業(yè)內(nèi)最新水平的定制的機(jī)器學(xué)習(xí)模型。

正如《自動(dòng)機(jī)器學(xué)習(xí):方法、系統(tǒng)與挑戰(zhàn)》所展示的，自動(dòng)機(jī)器學(xué)習(xí)方法已經(jīng)成熟到可以與人類機(jī)器學(xué)習(xí)專家抗衡的水平，甚至在某些情況下，自動(dòng)機(jī)器學(xué)習(xí)的性能可以超越人類機(jī)器學(xué)習(xí)專家。簡(jiǎn)單來說，機(jī)器學(xué)習(xí)專家一方面稀缺，人工成本高，而自動(dòng)機(jī)器學(xué)習(xí)可以在節(jié)省大量時(shí)間和金錢的前提下提高算法性能。自動(dòng)機(jī)器學(xué)習(xí)的這一優(yōu)勢(shì)極大地增加了近年來自動(dòng)機(jī)器學(xué)習(xí)的商業(yè)關(guān)注度，目前有幾家有影響力的技術(shù)公司正在開發(fā)自己的AutoML系統(tǒng)。需要強(qiáng)調(diào)的是，機(jī)器學(xué)習(xí)民主化的最好方式是通過開源的自動(dòng)機(jī)器學(xué)習(xí)系統(tǒng)，而不是付費(fèi)的黑盒服務(wù)。

連續(xù)半半算法示例

《自動(dòng)機(jī)器學(xué)習(xí):方法、系統(tǒng)和挑戰(zhàn)》全面介紹了快速發(fā)展的自動(dòng)機(jī)器學(xué)習(xí)領(lǐng)域。值得注意的是，目前大家都非常重視深度學(xué)習(xí)，導(dǎo)致很多研究者錯(cuò)誤地將自動(dòng)機(jī)器學(xué)習(xí)等同于神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索。如果你讀了《自動(dòng)機(jī)器學(xué)習(xí):方法、系統(tǒng)與挑戰(zhàn)》，你就會(huì)知道NAS只是自動(dòng)機(jī)器學(xué)習(xí)的一個(gè)優(yōu)秀案例，而自動(dòng)機(jī)器學(xué)習(xí)實(shí)際上涵蓋的內(nèi)容比NAS更多。一方面，《自動(dòng)機(jī)器學(xué)習(xí):方法、系統(tǒng)與挑戰(zhàn)》可以為想研究自己的自動(dòng)機(jī)器學(xué)習(xí)方法的研究者提供背景知識(shí)和起點(diǎn)；另一方面，它可以為希望將自動(dòng)機(jī)器學(xué)習(xí)應(yīng)用于實(shí)際問題的實(shí)踐者提供一個(gè)可用的自動(dòng)學(xué)習(xí)系統(tǒng)。對(duì)于那些一直從事自動(dòng)機(jī)器學(xué)習(xí)的研究人員來說，《自動(dòng)機(jī)器學(xué)習(xí):方法、系統(tǒng)和挑戰(zhàn)》可以提供自動(dòng)學(xué)習(xí)最新研究成果和進(jìn)展的概述。

一維函數(shù)貝葉斯優(yōu)化的一個(gè)例子

《自動(dòng)機(jī)器學(xué)習(xí):方法、系統(tǒng)與挑戰(zhàn)》全面介紹了自動(dòng)機(jī)器學(xué)習(xí)，主要包括自動(dòng)機(jī)器學(xué)習(xí)方法、實(shí)用自動(dòng)機(jī)器學(xué)習(xí)系統(tǒng)和當(dāng)前挑戰(zhàn)。在自動(dòng)機(jī)器學(xué)習(xí)方法中，《自動(dòng)機(jī)器學(xué)習(xí):方法、系統(tǒng)與挑戰(zhàn)》涵蓋了超參數(shù)優(yōu)化、元學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)搜索三個(gè)部分。每個(gè)部分包括詳細(xì)的內(nèi)容介紹、原理解釋、具體應(yīng)用方法和存在的問題。此外，《自動(dòng)機(jī)器學(xué)習(xí):方法、系統(tǒng)與挑戰(zhàn)》還專門介紹了各種可用的AutoML系統(tǒng)，如Auto-sklearn、Auto-WEKA、Auto-Net，而《自動(dòng)機(jī)器學(xué)習(xí):方法、系統(tǒng)與挑戰(zhàn)》的最后一章詳細(xì)介紹了有代表性的AutoML挑戰(zhàn)以及挑戰(zhàn)結(jié)果背后的思路，有助于從業(yè)者設(shè)計(jì)自己的AutoML系統(tǒng)。

據(jù)我們所知，這是第一本全面介紹自動(dòng)機(jī)器學(xué)習(xí)系統(tǒng)的書，主要包括自動(dòng)機(jī)器學(xué)習(xí)方法、實(shí)用的自動(dòng)機(jī)器學(xué)習(xí)系統(tǒng)以及目前面臨的挑戰(zhàn)?！蹲詣?dòng)機(jī)器學(xué)習(xí):方法、系統(tǒng)與挑戰(zhàn)》可以為從業(yè)者提供開發(fā)自己的AutoML系統(tǒng)所需的背景知識(shí)和方法，同時(shí)提供可以快速應(yīng)用于廣泛的機(jī)器學(xué)習(xí)任務(wù)的自動(dòng)機(jī)器學(xué)習(xí)系統(tǒng)細(xì)節(jié)。自動(dòng)機(jī)器學(xué)習(xí)領(lǐng)域正在飛速發(fā)展。我們希望通過《自動(dòng)機(jī)器學(xué)習(xí):方法、系統(tǒng)和挑戰(zhàn)》來組織和整理許多最近的發(fā)展。與此同時(shí)，我們希望讀者能夠欣賞《自動(dòng)機(jī)器學(xué)習(xí):方法、系統(tǒng)與挑戰(zhàn)》，并加入到不斷壯大的自動(dòng)機(jī)器學(xué)習(xí)團(tuán)隊(duì)中來。