Automated Machine Learning

Actualizarea majoră pe care o aduce volumul Automated Machine Learning constă în sistematizarea riguroasă a unui domeniu care, până recent, se baza pe intervenția manuală a experților pentru configurarea fluxurilor de lucru. Găsim în această carte prima cartografiere completă a metodelor care permit automatizarea selecției de arhitecturi de învățare profundă și a reglajului hiperparametrilor, eliminând barierele tehnice pentru utilizatorii non-experți.

Pe linia practică a volumului Metalearning de Pavel Brazdil, dar cu focus pe implementările software specifice, această lucrare analizează mecanismele din spatele unor instrumente precum Auto-WEKA și Auto-sklearn. Structura este una progresivă, de la fundamentele optimizării la concepte avansate precum Neural Architecture Search (NAS). Reținem modul în care capitolele dedicate sistemelor (de la capitolul 4 la 9) oferă o documentație tehnică pentru biblioteci software utilizate pe scară largă în industrie.

În contextul operei editorilor, acest volum completează direcția de cercetare începută în Machine Learning and Knowledge Discovery in Databases, unde Joaquin Vanschoren a explorat frontierele algoritmilor de date. Dacă lucrările anterioare se concentrau pe descoperirea cunoștințelor, acest titlu publicat de Springer oferă soluții de optimizare a proceselor de învățare în sine. Cartea se încheie cu o analiză a provocărilor internaționale (AutoML Challenges), oferind o perspectivă realistă asupra limitărilor actuale și a performanțelor atinse de sistemele autonome în competiție cu experții umani.