April 2026
Intermediate
586 pages
9h 14m
Japanese
AutoMLの真髄は、数十年にわたる研究によって洗練されてきた3つの主要なテクニックにある。すなわち、自動特徴量エンジニアリング、ハイパーパラメータの最適化、そしてニューラルアーキテクチャ検索だ。これらのテクニックを深く理解することで、AutoMLの選択をいつ信頼すべきか、またいつ上書きすべきかについて、より適切な判断を下せるようになる。
従来、特徴量エンジニアリングは経験豊富な実務家が最も付加価値を生み出す領域であった。このパートでは、現代のAutoMLシステムが特徴量の生成、選択、変換をどのように自動化しつつ、最も重要な箇所にドメイン知識を注入できるようにしているかを学ぶ。
ハイパーパラメータ最適化とニューラルアーキテクチャ検索は、AutoMLのアルゴリズムの中核を成す。ベイジアン最適化、進化アルゴリズム、そしてAutoMLシステムが膨大な設定スペースを効率的に探索することを可能にする検索戦略について探求する。このパートの終わりまでに、これらのテクニックの使い方だけでなく、その仕組みも理解できるようになるだろう。この知識は、予期せぬ結果のデバッグや、デフォルト設定の枠を超えた活用が必要になった際に、極めて貴重なものとなる。
Read now
Unlock full access