AutoKeras 基礎篇
Chapter 1 AutoML 入門
1-1 標準 ML 工作流程的深度剖析
1-2 什麼是 AutoML？
1-3 AutoML 的種類
1-4 AutoML 工具
1-5 總結
Chapter 2 開始使用 AutoKeras ──第一個自動化 DL 範例
2-1 什麼是深度學習？
2-2 什麼是神經網路？它如何學習？
2-3 深度學習模型如何學習？
2-4 為何選擇 AutoKeras？
2-5 安裝AutoKeras
2-6 Hello MNIST：執行我們的第一個 AutoKeras 實驗──建立圖像分類器
2-7 建置圖像迴歸器
2-8 總結
Chapter 3 了解 AutoKeras 對於自動化 DL 流程的資料預處理
3-1 了解張量 (tensors)
3-2 準備可以傳入深度學習模型的資料
3-3 切割資料集以用於訓練及評估.
3-4 總結
AutoKeras 實踐篇
Chapter 4 運用 AutoKeras 進行圖像的分類與迴歸
4-1 理解卷積神經網路 (CNN)
4-2 CNN 與傳統神經網路的差異
4-3 建立 CIFAR-10 圖像分類器
4-4 自訂模型架構
4-5 建立可推斷人物年齡的圖像迴歸模型
4-6 總結
Chapter 5 運用 AutoKeras 進行文本、情感、主題的分類與迴歸
5-1 文本資料處理
5-2 不同網路層用於文本資料處理的差異
5-3 打造垃圾信件偵測器
5-4 用電影評論來預測評分
5-5 理解情感分析 (sentiment analysis)
5-6 理解主題分類
5-7 根據網路文章判定討論群組類型
5-8 總結
Chapter 6 運用 AutoKeras 進行結構化資料的分類與迴歸
6-1 理解結構化資料
6-2 打造結構化分類器預測船難生還者
6-3 打造結構化分類器預測信用卡詐欺
6-4 處理分類不平均的資料集
6-5 打造結構化迴歸器預測房價
6-6 打造結構化迴歸器預測共享單車租用人次
6-7 總結
Chapter 7 運用 AutoKeras 進行時間序列預測
7-1 理解 RNN 的改良版
7-2 單變量時間序列：氣溫預測
7-3 多變量時間序列資料預測
7-4 總結
AutoKeras 進階篇
Chapter 8 自訂 AutoModel 複合模型並處理多重任務
8-1 理解多模態 (multi-model) 資料與多任務 (multi-task) 模型
8-2 打造使用多模態資料的多任務模型
8-3 打造能同時預測電影評分與情感的預測器
8-4 打造能用兩種 CNN 網路模型預測分類的預測器
8-5 總結
Chapter 9 AutoKeras 模型的匯出與訓練過程視覺化
9-1 匯出、儲存並重新載入你的模型
9-2 使用 TensorBoard將模型訓練過程視覺化
9-3 使用 TensorBoard.dev 來對外分享模型訓練過程
9-4 使用 ClearML 來視覺化並分享模型訓練過程
9-5 總結
Bonus (電子書) 運用輕量級 AutoML 套件 Flaml 於結構化資料預測任務
A-1 Flaml 分類器
A-2 Flaml 迴歸器
A-3 自訂訓練演算法、指標並保存模型
2024專利防護中