Bayesian Optimization de Liu, Peng Format Broché

Bayesian Optimization - Liu, Peng

Format: Broché

Note : 0

Soyez le premier à donner un avis

Filtrer par :

89,73 €

Produit Neuf

Ou 22,43 € /mois

Livraison à 0,01 €
Livré entre le 19 août et le 4 septembre

Voir les modes de livraison

PRO Vendeur favori

4,9/5 sur + de 1 000 ventes

Brand new, In English, Fast shipping from London, UK; Tout neuf, en anglais, expédition rapide depuis Londres, Royaume-Uni;ria9781484290620_dbm

Voir le détail de l'annonce

Nos autres offres

63,81 €

Produit Neuf

Ou 15,95 € /mois

En savoir plus
- Livraison : 3,99 €
- Livré entre le 19 et le 25 août
Voir les modes de livraison
M_plus_L

PRO

4,8/5 sur + de 1 000 ventes

Voir le détail de l'annonce
89,73 €

Produit Neuf

Ou 22,43 € /mois

En savoir plus
- Livraison à 0,01 €
- Livré entre le 19 août et le 4 septembre
Voir les modes de livraison
RiaChristie

PRO

4,9/5 sur + de 1 000 ventes

Contacter le vendeur

Afficher la description de l'annonce

Brand new, In English, Fast shipping from London, UK; Tout neuf, en anglais, expédition rapide depuis Londres, Royaume-Uni;ria9781484290620_dbm

Voir le détail de l'annonce

Vous avez choisi le retrait chez le vendeur à

Payez directement sur Rakuten (CB, PayPal, 4xCB...)
Récupérez le produit directement chez le vendeur
Rakuten vous rembourse en cas de problème

Terminer ma commande

Gratuit et sans engagement

Félicitations !

Nous sommes heureux de vous compter parmi nos membres du Club Rakuten !

TROUVER UN MAGASIN

Adresse

Retour

Horaires

Note :

Avis sur Bayesian Optimization de Liu, Peng Format Broché - Livre Informatique

Note : 0 0 avis sur Bayesian Optimization de Liu, Peng Format Broché - Livre Informatique

Donnez votre avis

Donnez votre avis sur ce produit

Votre note * : 1/5 2/5 3/5 4/5 5/5 Veuillez donner une note au produit

Le titre de votre avis* : Saisissez un titre

Quelques conseils :

Donnez le ton de votre avis, résumez-le en quelques mots qui apparaîtront comme le titre de votre avis.

Votre avis* : (40 caractères minimum) Saisissez un avis

Quelques conseils :

N'hésitez pas à mettre en avant les caractéristiques de ce produit, n'oubliez pas de mentionner ses avantages et/ou ses défauts éventuels. Décrivez précisément, argumentez, soyez convaincant !

Annuler

Les avis publiés font l'objet d'un contrôle automatisé de Rakuten.

Produits similaires

Présentation Bayesian Optimization de Liu, Peng Format Broché
- Livre Informatique

Livre Informatique - Liu, Peng - 01/03/2023 - Broché - Langue : Anglais

Auteur(s) : Liu, Peng

Editeur : Apress L.P.

Langue : Anglais

Parution : 01/03/2023

Format : Moyen, de 350g à 1kg

Nombre de pages : 252

Expédition : 482

Dimensions : 25.4 x 17.8 x 1.4

ISBN : 9781484290620

Résumé :

This book covers the essential theory and implementation of popular Bayesian optimization techniques in an intuitive and well-illustrated manner. The techniques covered in this book will enable you to better tune the hyperparemeters of your machine learning models and learn sample-efficient approaches to global optimization.

The book begins by introducing different Bayesian Optimization (BO) techniques, covering both commonly used tools and advanced topics. It follows a develop from scratch method using Python, and gradually builds up to more advanced libraries such as BoTorch, an open-source project introduced by Facebook recently. Along the way, you'll see practical implementations of this important discipline along with thorough coverage and straightforward explanations of essential theories. This book intends to bridge the gap between researchers and practitioners, providing both with a comprehensive, easy-to-digest, and useful reference guide.

After completing this book, you will have a firm grasp of Bayesian optimization techniques, which you'll be able to put into practice in your own machine learning models.

What You Will Learn

Apply Bayesian Optimization to build better machine learning models
Understand and research existing and new Bayesian Optimization techniques
Leverage high-performance libraries such as BoTorch, which offer you the ability to dig into and edit the inner working
Dig into the inner workings of common optimization algorithms used to guide the search process in Bayesian optimization

Who This Book Is For

Beginner to intermediate level professionals in machine learning, analytics or other roles relevant in data science.

Biographie:
Peng Liu is an assistant professor of quantitative finance (practice) at Singapore Management University and an adjunct researcher at the National University of Singapore. He holds a Ph.D. in statistics from the National University of Singapore and has ten years of working experience as a data scientist across the banking, technology, and hospitality industries...

Sommaire:

? Chapter 1: Bayesian Optimization in a Nutshell

o Chapter goal: introducing Bayesian Optimization workflow and key concepts

o Estimate number of pages: 30

o Sub topics:

? What and why of Bayesian Optimization

? Key components in Bayesian Optimization process

? Common Bayesian Optimization applications

? Chapter 2: Bayesian Optimization in Hyperparameter Tuning

o Chapter goal: Showcase using Bayesian Optimization for hyperparameter tuning in training better ML models

o Estimate number of pages: 35

o Sub topics:

? ML workflow

? Common hyperparameter tuning techniques

? Advantage of Bayesian Optimization in tuning hyperparameters for ML models through practical examples

? Chapter 3 : Gaussian Process

o Chapter goal: Introduce Gaussian process and its role in Bayesian Optimization workflow

o Estimate number of pages: 30

o Sub topics:

? Gaussian process breakdown

? Theory illustration on Gaussian process

? Coding Gaussian process as surrogate model in Bayesian Optimization

? Chapter 4 : Common Acquisition Function

o Chapter goal: Introduce popular acquisition functions including EI, PI and others

o Estimate number of pages: 35

o Sub topics:

? The role of acquisition function in Bayesian Optimization

? Theoretical basics for each common AF

? Coding examples

? Chapter 5: Advanced Acquisition Function

o Chapter goal: Introduce advanced acquisition functions including KG and PE and parallel variants

o Estimate number of pages: 35

o Sub topics:

? Theoretical basics for advanced AF

? Coding examples

? Chapter 6 : Introducing BoTorch

o Chapter goal: Introduce the recent GPU based package for running Bayesian Optimization

o Estimate number of pages: 40

o Sub topics:

? Introduction of the package and key components

? Starting examples

? Advanced examples

? Chapter 7 : Case study

o Chapter goal: Demonstrate full working examples using Bayesian Optimization and BoTorch

o Estimate number of pages: 30

o Sub topics:

? Two full coding examples TBD

? Chapter 8 : Exotic Bayesian Optimization Problems

o Chapter goal: Introduce additional Bayesian Optimization variants such as adding constraints and getting noisy observations

o Estimate number of pages: 30

o Sub topics:

? Constrained Bayesian Optimization

? Parallel Bayesian Optimization

? BO with noisy observations

? Look ahead Bayesian Optimization

Détails de conformité du produit

Consulter les détails de conformité de ce produit (

Personne responsable dans l'UE

)

Bayesian Optimization - Liu, Peng

Avis sur Bayesian Optimization de Liu, Peng Format Broché - Livre Informatique

Présentation Bayesian Optimization de Liu, Peng Format Broché - Livre Informatique

Présentation Bayesian Optimization de Liu, Peng Format Broché
- Livre Informatique