自動機器學(xué)習(xí)：方法、系統(tǒng)與挑戰(zhàn)

　　本書全面介紹自動機器學(xué)習(xí)，主要包含自動機器學(xué)習(xí)的方法、實際可用的自動機器學(xué)習(xí)系統(tǒng)及目前所面臨的挑戰(zhàn)。在自動機器學(xué)習(xí)方法中，本書涵蓋超參優(yōu)化、元學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索三個部分，每一部分都包括詳細(xì)的內(nèi)容介紹、原理解讀、具體運用方法和存在的問題等。此外，本書還具體介紹了現(xiàn)有的各種可用的自動機器學(xué)習(xí)系統(tǒng)，如Auto-sklearn、Auto-WEKA及Auto-Net等，并且本書最后一章詳細(xì)介紹了具有代表性的AutoML挑戰(zhàn)賽及挑戰(zhàn)賽結(jié)果背后所蘊含的理念，有助于從業(yè)者設(shè)計出自己的AutoML系統(tǒng)。本書是國際上第一本介紹自動機器學(xué)習(xí)的圖書，內(nèi)容全面且翔實，尤為重要的是涵蓋了最新的自動機器學(xué)習(xí)領(lǐng)域進展和難點。對于初步研究者，本書可以作為其研究自動機器學(xué)習(xí)方法的背景知識和起點；對于工業(yè)界從業(yè)人員，本書全面介紹了自動機器學(xué)習(xí)系統(tǒng)及其實際應(yīng)用要點；對于已經(jīng)從事自動機器學(xué)習(xí)的研究者，本書可以提供一個自動機器學(xué)習(xí)最新研究成果和進展的概覽。總體來說，本書受眾較為廣泛，既可以作為入門書，也可以作為專業(yè)人士的參考書。

　　弗蘭克·哈特（Frank Hutter），德國弗萊堡大學(xué)教授，機器學(xué)習(xí)實驗室負(fù)責(zé)人。主要研究統(tǒng)計機器學(xué)習(xí)、知識表示、自動機器學(xué)習(xí)及其應(yīng)用，獲得第一屆（2015/2016）、第二屆（2018/2019）自動機器學(xué)習(xí)比賽的世界冠軍。拉斯·科特霍夫（Lars Kotthoff），美國懷俄明大學(xué)助理教授。主要研究深度學(xué)習(xí)、自動機器學(xué)習(xí)，致力于構(gòu)建領(lǐng)先且健壯的機器學(xué)習(xí)系統(tǒng)，領(lǐng)導(dǎo)Auto-WEKA項目的開發(fā)和維護。華金·萬赫仁（Joaquin Vanschoren） ，荷蘭埃因霍溫理工大學(xué)助理教授。主要研究機器學(xué)習(xí)的逐步自動化，創(chuàng)建了共享數(shù)據(jù)開源平臺OpenML.org，并獲得微軟Azure研究獎和亞馬遜研究獎。