Apprendre AutoML (French Edition)

Partie II. Techniquesfondamentales de l'AutoML

La magie de l'AutoML réside dans trois techniques fondamentales qui ont été affinées au fil de décennies de recherche : l'ingénierie automatisée des caractéristiques, l'optimisation des hyperparamètres et la recherche d'architecture neuronale. Une compréhension approfondie de ces techniques t'aidera à prendre de meilleures décisions quant au moment où tu peux te fier aux choix de l'AutoML — et quand tu dois les remplacer.

L'ingénierie des caractéristiques a toujours été le domaine dans lequel les praticiens expérimentés apportaient le plus de valeur ajoutée. Dans cette partie, tu apprendras comment les systèmes AutoML modernes automatisent la création, la sélection et la transformation des caractéristiques tout en te permettant d'apporter ta connaissance du domaine là où cela compte le plus.

L'optimisation des hyperparamètres et la recherche d'architecture neuronale constituent le cœur algorithmique de l'AutoML. Nous explorerons l'optimisation bayésienne, les algorithmes évolutifs et les stratégies de recherche qui permettent aux systèmes AutoML de naviguer efficacement dans de vastes espaces de configuration. À la fin de cette partie, tu comprendras non seulement comment utiliser ces techniques, mais aussi comment elles fonctionnent — des connaissances qui s'avéreront inestimables lorsque tu devras déboguer des résultats inattendus ou aller au-delà des configurations par défaut.

Dans cette partie

• Chapitre 4, « Prétraitement automatisé ...