豆瓣
扫码直接下载
automl大综述，深又不够深，浅又不够浅 明明是国人写的，却一股翻译腔
这本书的评价两极分化，我感觉主要是因为针对读者定位不太明确，并且可能营销的时候说的有点过头了，总体来说，甚至不如直接去读一下最新的 survey 论文。我想如果这本书卖 39 可能评价就不一样了
介绍的很全，但是感觉出于篇幅问题，说的都不清楚，还是需要有点基础看这个比较好，不适合完全新手入门，读《Automated Machine Learning Methods, Systems, Challenges》可能会更好点。
.真水
不是很好
概念介绍，没有实质内容，更别说深入理解啦
概念产品目录书
正如作者所说：“让天下没有难的AI。”AutoML通过封装建模调参流程，降低了机器学习的应用门槛。对NAS、进化算法、元学习印象深刻，推荐。
扫了一遍 这啥，博文+摘要拼接？ 连综述都算不上
这是在做科普啊，看了啥也没学到。各种概念都来蜻蜓点水来一小段，已扔。
垃圾博客书
看你刷，就值0分
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。
在传统的机器学习模型中，调参是非常费时又费力又非常关键的一项工作。对于模型参数的配置基本上没有一种有效的策略。为解决此类问题，AutoML学习范式近年来被提出，深受机器学习领域的关注。在TOP Conference中，是一个非常前沿的Topic。 由华章出版的《深入理解AutoML和AutoDL》，围绕着AutoML、AutoDL 和meta learning 三个前沿的ML方向，由浅入深，系统而专业的review了各主流方法，知识点描述细致。特别是第六章的自动化超参优化，给出了三种比较有效的方法，其中基于进化算法的调参，本人在实际调参中使用过，效率比网格搜索提高不少。该书对AutoML和AutoDL所涉及的基础知识，概括到位，内容夯实，适合作为ML方向的研究生的入门资料。
这本书非常适合入门教程，首先对于机器学习中的模型参数的配置，是非常费力而且没有有效策略的。AutoML学习的提出就是为了解决这个问题，在TOP Conference中，它也是一个热门的关注点。 本书《深入理解AutoML和AutoDL》围绕着AutoML、AutoDL 和meta learning 三个主要的方向，详细介绍了目前的现状、理论分析等。在第六章的自动化超参优化，描述了三种比较有效的方法，该书对AutoML和AutoDL所涉及的基础知识，适用于研究人员的入门教材。
AutoML的理念就是把深度学习里那些复杂的部分都拿出去，你只需要提供数据，随后就让AutoML在神经网络设计上尽情发挥吧。这样，深度学习就变得像插件一样方便，只要有数据，就能自动创建出由复杂神经网络驱动的决策功能。 AutoML已经取得了几年前无法实现的成功，而谷歌这样的平台已经能够建立能够将数据科学家从常用机器学习流程中删除的系统。但我们仍然远离所谓的真正的自治系统很远。但是 不管怎样，这本书还是非常有意思的，可以说是前沿的前沿，值得一看。
机器学习，人工智能是目前前沿技术，然而在建模过程中，调参是一个令人痛苦的过程，目前仍然没有好的固定的理论来调参，只能凭借人工经验来判断。《深入理解AutoML和AutoDL》深入浅出，围绕AutoML、AutoDL和metalearing三个主要的方向，向我们介绍了目前研究现状和理论分析等等。尤其是第六章，看了之后感触颇深，为调参，优化提供了新的思路，拓宽了我们的眼界，是一本不错的工具书
直接扔了
作为平安系出来的技术人，对平安科技的技术栈体系还是比较熟悉亲切的，本书介绍的自动化机器学习深度学习强化学习相关技术实践及方法论，比较系统，也是平安AI技术对外服务的能力的一些缩影。
确实看完了之后不知道在干什么，也不知道怎么实现书里的autoML,讲解概念也讲得很差，可能适合天才去读吧，像是一本摘要的合集。读那么多摘要有什么卵用?还深入，有的案例直接是把文档抄过来，不知道吹这本书的人怎么想的。
> 深入理解AutoML和AutoDL：构建自动化机器学习与深度学习平台
0 有用 Hsaki 2021-10-19 20:13:40
automl大综述，深又不够深，浅又不够浅 明明是国人写的，却一股翻译腔
2 有用 小土刀 2020-10-28 15:13:25
这本书的评价两极分化，我感觉主要是因为针对读者定位不太明确，并且可能营销的时候说的有点过头了，总体来说，甚至不如直接去读一下最新的 survey 论文。我想如果这本书卖 39 可能评价就不一样了
1 有用 没有昵称 2019-11-05 14:57:48
介绍的很全，但是感觉出于篇幅问题，说的都不清楚，还是需要有点基础看这个比较好，不适合完全新手入门，读《Automated Machine Learning Methods, Systems, Challenges》可能会更好点。
1 有用 Pixelss 2020-04-27 19:47:54
.真水
2 有用 KyrieHe 2021-01-05 18:31:41
不是很好
2 有用 闯一闯 2019-11-19 15:47:08
概念介绍，没有实质内容，更别说深入理解啦
1 有用 初九 2020-12-14 23:18:41
概念产品目录书
2 有用 Teemo 2019-09-12 10:36:44
正如作者所说：“让天下没有难的AI。”AutoML通过封装建模调参流程，降低了机器学习的应用门槛。对NAS、进化算法、元学习印象深刻，推荐。
1 有用 撞针 2020-09-05 18:11:03
扫了一遍 这啥，博文+摘要拼接？ 连综述都算不上
3 有用 黑魔法 2019-09-15 22:19:02
这是在做科普啊，看了啥也没学到。各种概念都来蜻蜓点水来一小段，已扔。
1 有用 菜头啵啵 2020-07-01 12:31:07
垃圾博客书
2 有用 wt 2020-04-26 00:15:34
看你刷，就值0分
3 有用 SCI HYJ 2019-08-14 23:07:59
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。
2 有用 JerryChen 2019-08-15 18:00:57
在传统的机器学习模型中，调参是非常费时又费力又非常关键的一项工作。对于模型参数的配置基本上没有一种有效的策略。为解决此类问题，AutoML学习范式近年来被提出，深受机器学习领域的关注。在TOP Conference中，是一个非常前沿的Topic。 由华章出版的《深入理解AutoML和AutoDL》，围绕着AutoML、AutoDL 和meta learning 三个前沿的ML方向，由浅入深，系统而专业的review了各主流方法，知识点描述细致。特别是第六章的自动化超参优化，给出了三种比较有效的方法，其中基于进化算法的调参，本人在实际调参中使用过，效率比网格搜索提高不少。该书对AutoML和AutoDL所涉及的基础知识，概括到位，内容夯实，适合作为ML方向的研究生的入门资料。
2 有用 小明 2019-08-20 10:03:40
这本书非常适合入门教程，首先对于机器学习中的模型参数的配置，是非常费力而且没有有效策略的。AutoML学习的提出就是为了解决这个问题，在TOP Conference中，它也是一个热门的关注点。 本书《深入理解AutoML和AutoDL》围绕着AutoML、AutoDL 和meta learning 三个主要的方向，详细介绍了目前的现状、理论分析等。在第六章的自动化超参优化，描述了三种比较有效的方法，该书对AutoML和AutoDL所涉及的基础知识，适用于研究人员的入门教材。
2 有用 海上飞鱼 2019-08-20 10:18:43
AutoML的理念就是把深度学习里那些复杂的部分都拿出去，你只需要提供数据，随后就让AutoML在神经网络设计上尽情发挥吧。这样，深度学习就变得像插件一样方便，只要有数据，就能自动创建出由复杂神经网络驱动的决策功能。 AutoML已经取得了几年前无法实现的成功，而谷歌这样的平台已经能够建立能够将数据科学家从常用机器学习流程中删除的系统。但我们仍然远离所谓的真正的自治系统很远。但是 不管怎样，这本书还是非常有意思的，可以说是前沿的前沿，值得一看。
2 有用 陈 2019-08-20 11:08:55
机器学习，人工智能是目前前沿技术，然而在建模过程中，调参是一个令人痛苦的过程，目前仍然没有好的固定的理论来调参，只能凭借人工经验来判断。《深入理解AutoML和AutoDL》深入浅出，围绕AutoML、AutoDL和metalearing三个主要的方向，向我们介绍了目前研究现状和理论分析等等。尤其是第六章，看了之后感触颇深，为调参，优化提供了新的思路，拓宽了我们的眼界，是一本不错的工具书
1 有用 V.Ja 2020-09-03 21:32:32
直接扔了
2 有用 张粤磊 2019-08-16 12:14:57
作为平安系出来的技术人，对平安科技的技术栈体系还是比较熟悉亲切的，本书介绍的自动化机器学习深度学习强化学习相关技术实践及方法论，比较系统，也是平安AI技术对外服务的能力的一些缩影。
0 有用 Zipeng Wu 2021-01-23 00:57:19
确实看完了之后不知道在干什么，也不知道怎么实现书里的autoML,讲解概念也讲得很差，可能适合天才去读吧，像是一本摘要的合集。读那么多摘要有什么卵用?还深入，有的案例直接是把文档抄过来，不知道吹这本书的人怎么想的。