《深入理解AutoML和AutoDL：构建自动化机器学习与深度学习平台》PDF下载

《深入理解 AutoML 和 AutoDL：构建自动化机器学习与深度学习平台》围绕自动化机器学习（AutoML）与自动化深度学习（AutoDL）展开，系统介绍如何利用算法与工程化平台降低 AI 模型开发门槛。全书从机器学习流程自动化出发，讲解数据预处理、特征工程、模型选择、超参数优化以及神经网络结构搜索（NAS）等关键技术，并分析自动化训练与部署流程的实现方法。

作者是资深的人工智能专家，大型金融集团科技公司深度学习平台和 AutoML 平台负责人。本书得到了 IEEE Fellow/ACM杰出科学家/香港科技大学教授杨强、腾讯AI Lab 副 主任俞 栋、美国佛罗里达大学教授李晓林等 8 位来自企业界、学术界和媒体界的资深专家的一致好评。它既能让新手理清 AutoML 的脉络，快速上手机器学习，又能让有经验的从业者全面掌握 AutoML 知识体系，工作变得更高效。

书中不仅关注算法原理，还强调平台化与工程实践，涉及分布式训练、资源调度、模型评估与自动部署等内容，帮助读者理解企业级 AutoML 平台的整体架构。相比传统机器学习教材，本书更偏向 AI 工程化与自动化方向，适合具备一定机器学习基础、希望提升 AI 平台开发能力的工程师、研究人员及相关技术团队阅读。

全书共 14 章，逻辑上分为四部分：

第一部分（第 1~2 章）人工智能基础

对人工智能、自动化人工智能的重要概念、发展历程及现状、适用场景、主要的工具和技术等做了全面的介绍，并引出了人工智能技术未来的发展方向——AutoML，这部分是阅读本书的基础。

第二部分（第 3~6 章）AutoML

主要讲解机器学习和自动化机器学习，核心是 AutoML，包含自动化特征工程、自动化模型选择和自动化超参优化 3 个方面的内容。

第三部分（第 7~13 章）AutoDL

主要讲解深度学习和自动化深度学习，重点讲解了 AutoDL 的原理、基于强化学习的 AutoDL、基于进化算法的 AutoDL、AtuoDL 的高阶知识、自动化模型压缩与加速，以及各种核心算法和前沿算法。

第四部分（第 14 章）元学习

元学习是人工智能的理想目标，这部分对元学习的概念、流程和各种主流的学习方法都进行了详尽的介绍。