Optimalisering av prosesser innen maskinlæring er avgjørende for å oppnå høyere ytelse. Boken 'Bayesian Optimization in Action' gir maskinlæringspraktikere, som allerede har en solid forståelse av matematikk og statistikk, verdifulle verktøy og teknikker for å forbedre hyperparameterjustering, A/B-testing og mye mer. Med fokus på banebrytende Bayesian teknikker, lærer denne boken deg hvordan du kan finne den beste konfigurasjonen for maskinlæringsmodellene dine på en rask og presis måte. Boken presenterer komplekse konsepter med lettfattelig språk, og støttes av illustrasjoner samt konkrete eksempler. Dette gjør det mulig for leseren å forstå og anvende Bayesian Optimisering uten store vanskeligheter. Viktige temaer som dekkes inkluderer: * Opplæring av Gaussiske prosesser på både sparse og store datasett * Kombinering av Gaussiske prosesser med dype nevrale nettverk for økt fleksibilitet og uttrykkskraft * Identifisering av de mest effektive strategiene for hyperparameterjustering * Navigering i søkeområder for å oppdage høytytende regioner * Praktisk anvendelse av Bayesian Optimalisering for kostnadsbegrensede og fler-målrettede scenarioer.
