Книга рассказывает об оптимизации моделей машинного обучения на основе байесовского
метода и теории вероятностей. Примеры составлены на языке Python с использованием библиотек PyTorch, GPyTorch и BoTorch. Описаны приёмы настройки гиперпараметров, гауссовское распределение, использование политик машинного обучения, в частности на основе задачи о многоруких бандитах, повышение производительности вычислений, многовариантная оптимизация с учётом полезности и затрат, а также применение байесовского метода в специализированных сценариях.
Для специалистов по машинному обучению и математическим алгоритмам В этой книге:
Гауссовские процессы для малых и больших наборов данных
Стратегии настройки гиперпараметров в моделях машинного обучения
Определение высокоэффективных регионов
Решение задач с использованием библиотек PyTorch, GPyTorch и BoTorch