Bayesian Optimization in Action
Lingua: inglese
Editore: Manning Publications, US, 2023
- Rilegato
- Nuovo
Da: Rarewaves USA, HEBRON, KY, U.S.A.Rarewaves USA
Venditore AbeBooks dal 10 giugno 2025
Condizione: Nuovo
EUR 55,19
Quantità: 10 disponibili
Aggiungi al carrelloDescrizione dell’articolo da parte del venditore
Apply advanced techniques for optimising machine learning processes For machine learning practitioners confident in maths and statistics. Bayesian Optimization in Action shows you how to optimise hyperparameter tuning, A/B testing, and other aspects of the machine learning process, by applying cutting-edge Bayesian techniques. Using clear language, Bayesian Optimization helps pinpoint the best configuration for your machine-learning models with speed and accuracy. With a range of illustrations, and concrete examples, this book proves that Bayesian Optimisation doesn't have to be difficult! Key features include: Train Gaussian processes on both sparse and large data setsCombine Gaussian processes with deep neural networks to make them flexible and expressiveFind the most successful strategies for hyperparameter tuningNavigate a search space and identify high-performing regionsApply Bayesian Optimisation to practical use cases such as cost-constrained, multi-objective, and preference optimisationUse PyTorch, GPyTorch, and BoTorch to implement Bayesian optimisation You will get in-depth insights into how Bayesian optimisation works and learn how to implement it with cutting-edge Python libraries. The book's easy-to-reuse code samples will let you hit the ground running by plugging them straight into your own projects! About the technology Experimenting in science and engineering can be costly and time-consuming, especially without a reliable way to narrow down your choices. Bayesian Optimisation helps you identify optimal configurations to pursue in a search space. It uses a Gaussian process and machine learning techniques to model an objective function and quantify the uncertainty of predictions. Whether you're tuning machine learning models, recommending products to customers, or engaging in research, Bayesian Optimisation can help you make better decisions faster.…
Codice articolo LU-9781633439078
- Titolo
- Bayesian Optimization in Action
- Autore
- Quan Nguyen
- Editore
- Manning Publications, US
- Anno di pubblicazione
- 2023
- Condizione
- New
- Rilegatura
- Hardback
- Lingua
- inglese
- ISBN 10
- 1633439070
- ISBN 13
- 9781633439078
- Peso dell'articolo
- 774 grammi
- Dimensioni
- 7.38 x 1 x 9.25 inches
In Bayesian Optimization in Action you will learn how to:
- Train Gaussian processes on both sparse and large data sets
- Combine Gaussian processes with deep neural networks to make them flexible and expressive
- Find the most successful strategies for hyperparameter tuning
- Navigate a search space and identify high-performing regions
- Apply Bayesian optimization to cost-constrained, multi-objective, and preference optimization
- Implement Bayesian optimization with PyTorch, GPyTorch, and BoTorch
Bayesian Optimization in Action shows you how to optimize hyperparameter tuning, A/B testing, and other aspects of the machine learning process by applying cutting-edge Bayesian techniques. Using clear language, illustrations, and concrete examples, this book proves that Bayesian optimization doesn’t have to be difficult! You’ll get in-depth insights into how Bayesian optimization works and learn how to implement it with cutting-edge Python libraries. The book’s easy-to-reuse code samples let you hit the ground running by plugging them straight into your own projects.
Forewords by Luis Serrano and David Sweet.
Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications.
About the technology
In machine learning, optimization is about achieving the best predictions—shortest delivery routes, perfect price points, most accurate recommendations—in the fewest number of steps. Bayesian optimization uses the mathematics of probability to fine-tune ML functions, algorithms, and hyperparameters efficiently when traditional methods are too slow or expensive.
About the book
Bayesian Optimization in Action teaches you how to create efficient machine learning processes using a Bayesian approach. In it, you’ll explore practical techniques for training large datasets, hyperparameter tuning, and navigating complex search spaces. This interesting book includes engaging illustrations and fun examples like perfecting coffee sweetness, predicting weather, and even debunking psychic claims. You’ll learn how to navigate multi-objective scenarios, account for decision costs, and tackle pairwise comparisons.
What's inside
- Gaussian processes for sparse and large datasets
- Strategies for hyperparameter tuning
- Identify high-performing regions
- Examples in PyTorch, GPyTorch, and BoTorch
About the reader
For machine learning practitioners who are confident in math and statistics.
About the author
Quan Nguyen is a research assistant at Washington University in St. Louis. He writes for the Python Software Foundation and has authored several books on Python programming.
Table of Contents
1 Introduction to Bayesian optimization
PART 1 MODELING WITH GAUSSIAN PROCESSES
2 Gaussian processes as distributions over functions
3 Customizing a Gaussian process with the mean and covariance functions
PART 2 MAKING DECISIONS WITH BAYESIAN OPTIMIZATION
4 Refining the best result with improvement-based policies
5 Exploring the search space with bandit-style policies
6 Leveraging information theory with entropy-based policies
PART 3 EXTENDING BAYESIAN OPTIMIZATION TO SPECIALIZED SETTINGS
7 Maximizing throughput with batch optimization
8 Satisfying extra constraints with constrained optimization
9 Balancing utility and cost with multifidelity optimization
10 Learning from pairwise comparisons with preference optimization
11 Optimizing multiple objectives at the same time
PART 4 SPECIAL GAUSSIAN PROCESS MODELS
12 Scaling Gaussian processes to large datasets
13 Combining Gaussian processes with neural networks
"Riassunto" può appartenere a un’altra edizione di questo titolo.
Informazioni sull’autore
"Descrizione articolo" può appartenere a un’altra edizione di questo titolo.
Rarewaves USA
HEBRON, KY, U.S.A.
Venditore AbeBooks dal 10 giugno 2025
Tariffe di spedizione nazionale per U.S.A.
| Articolo | Da 13 a 14 giorni lavorativi | Da 13 a 16 giorni lavorativi |
|---|---|---|
| Primo articolo | EUR 0,00 | EUR 0,00 |
Metodi di pagamento
Informazioni sull’azienda del venditore
Rarewaves USA
10100 West Sample Road, Ste 101
Coral Springs, FL U.S.A. 33065
Diritto di recesso
Se sei un consumatore puoi recedere dal contratto in conformità con quanto segue. Per Consumatore si intende qualsiasi persona fisica che agisce per scopi estranei alla propria attività commerciale, imprenditoriale, artigianale o professionale.
Informazioni sul diritto di recesso
Diritto legale di recesso
Hai il diritto di recedere dal presente contratto entro 14 giorni senza fornire alcuna motivazione.
Il periodo di recesso scade dopo 14 giorni dal giorno in cui tu o una terza parte, diversa dal vettore e da te indicata, acquisisce il possesso fisico dell'ultimo bene o dell'ultimo lotto o pezzo.
Per esercitare il diritto di recesso, compila e invia elettronicamente una dichiarazione esplicita sul nostro sito Web, alla voce “I miei acquisti” nella sezione “Mio account”. Ti comunicheremo senza indugio una conferma di ricezione di tale recesso su un supporto durevole (ad es. via e-mail).
Per rispettare il termine di recesso, è sufficiente inviare la comunicazione relativa all'esercizio del diritto di recesso prima della scadenza del periodo di recesso stesso.
Effetti del recesso
In caso di recesso dal presente contratto, ti rimborseremo tutti i pagamenti ricevuti, compresi i costi di spedizione (ad eccezione dei costi supplementari derivanti dalla tua eventuale scelta di un tipo di spedizione diverso dal tipo meno costoso di consegna standard da noi offerto).
Potremo effettuare una detrazione dal rimborso per la perdita di valore dei beni forniti, qualora tale perdita sia il risultato di una manipolazione non necessaria da parte tua.
Eseguiremo il rimborso senza indebito ritardo e non oltre 14 giorni dal giorno in cui saremo informati della tua decisione di recedere dal presente contratto.
Il rimborso sarà effettuato utilizzando lo stesso mezzo di pagamento da te usato per la transazione iniziale, salvo che tu non abbia espressamente concordato altrimenti; in ogni caso, non dovrai sostenere alcun costo quale conseguenza di tale rimborso.
Possiamo trattenere il rimborso finché non avremo ricevuto i beni oppure finché non avrai fornito la prova di averli rispediti, a seconda di quale condizione si verifichi per prima.
Dovrai rispedire i beni o consegnarli a Rarewaves USA, Coral Springs, Florida, U.S.A., senza indebito ritardo e, in ogni caso, entro 14 giorni dal giorno in cui ci hai comunicato la tua volontà di recedere dal presente contratto. Il termine è rispettato se rispedisci i beni prima della scadenza del periodo di 14 giorni. I costi diretti della restituzione dei beni saranno a tuo carico. Sei responsabile solo della diminuzione del valore dei beni risultante da una manipolazione diversa da quella necessaria per stabilire la natura, le caratteristiche e il funzionamento dei beni stessi.
Eccezioni al diritto di recesso
Il diritto di recesso non si applica a:
- La fornitura di giornali, periodici o riviste ad eccezione dei contratti di abbonamento; e
- La fornitura di contenuto digitale non fornito su un supporto materiale (ad es. su un CD o DVD), se al momento dell'invio dell'ordine hai accettato l'inizio dell'esecuzione e hai riconosciuto che non avresti potuto recedere una volta iniziata l'esecuzione.
Condizioni di spedizione
Please note that we do not offer Priority shipping to any country.
We currently do not ship to the below countries:
Afghanistan
Bhutan
Brazil
Brunei Darussalam
Channel Islands
Chile
Israel
Lao
Mexico
Russian Federation
Saudi Arabia
South Africa
Yemen
Please do not attempt to place orders with any of these countries as a ship to address - they will be cancelled.