深入理解AutoML和AutoDL

2019年3月，ACM官宣Yoshua Bengio、Geoffrey Hinton、Yann Lecun深度学习三巨头获得了图灵奖，表彰他们以概念和工程的突破，让深度神经网络成为计算关键部件。再次引爆了深度学习领域的学习热潮。 然而，现在深度学习在调参上面临着很大的困境，甚至于深度学习的深入研究者也觉得头疼。怎样自动化调参的过程从而让更多非专业人士能够享受机器学习和深度学习带来的生产力的提高，如何学习学习，成为了现在人工智能研究的前沿性问题，而这就是AutoML和AutoDL要达成的目标。在我接触到元学习之后，就对这方面的研究保持了浓厚的兴趣，遗憾的是当时国内并没有一本讲解AutoML发展和技术的专著。可喜的是，机械工业出版社即将出版的《深入理解AutoML和AutoDL：构建自动化机器学习与深度学习平台》就是这样一本建立了完整的AutoML知识体系的启发性的书籍。我有幸通过华章分社的鲜读社区预读了本书，我重点关注了NAS（神经网络架构搜索）、基于RL的AutoDL和元学习。元学习的思想是学习“学习训练”的过程，旨在设计能够通过训练一些实例来快速学习新技能或适应新环境的模型。可以说，元学习的终极目标就是创造出一个具有学习能力的婴儿，剩下的事，交给他/她就好。 本书提供了大量的AutoML和AutoDL的启发性思路和理解角度，使我受益匪浅，确实是一本AutoML入门的好书。