有了三個臭皮匠，何必每次堅持找個諸葛亮？

任何人都能運用深度學習（DL）嗎？AutoML（自動化機器學習）已經遍地開花，各大企業諸如 Google、Microsoft、Amazon、IBM、SAS 等都推出了自己的 AutoML 服務，讓使用者不必具備專業領域知識，也能快速打造出自己的 AI 模型。換言之，AutoML 徹底降低了 「AI 落地」的門檻。

AutoML不能取代資料科學家，卻能大大省下你試驗機器學習模型的時間與痛苦。當你的朋友還在興致沖沖算數學時，你說不定早就端出了可投入實用的高效能模型。

而什麼是 AutoKeras？這是一套完全開源的 Python AutoML 套件，以 Tensorflow 2 為基礎、運用創新的『高效神經網路架構搜尋』（ENAS）來實現自動化建模。AutoKeras 對於影像、文字、時間序列或一般結構化資料的預測都提供了內建類別，甚至會加上資料預處理功能，使你只需用短短幾行程式碼便能打造出成效優異的 DL 模型，還不必接觸高深的數學。

就連經驗豐富的專家也能受惠：利用 AutoKeras 快速產生候選模型，好做為進一步改良的參考，並將更多寶貴的時間投注在資料清洗與特徵工程上。

從此向困難、令人困惑的建模過程說拜拜，跨入深度學習的門檻從未如此之低；有了 AutoKeras，任何人都能駕馭 AI 的威力來解決真實世界的問題。 

本書特色

★ 免懂數學免瞎忙！不必再被迫學數學，就能輕鬆將 AI 運用在真實世界

★ 什麼是神經網路和深度學習？何謂 CNN 與 RNN？用淺顯易懂的方式理解其運作原理

★ 只要寫短短幾行 Python 程式，就能打造出強效深度學習模型，省時省力又好用

★ 無須透過複雜的 Keras API 就能使用諸如 ResNet、Xception、EfficientNet、Transformer、BERT、LStM、GRU 等知名模型架構

★ 提供了使用真實資料集的豐富實作範例，從圖像、文字、時間序列到一般結構化資料的預測一應俱全

★ 運用內建的 AutoModel 類別針對多模態 (multi-model) 資料建立多任務 (multi-task) 自訂模型

★ 利用 TensorBoard 或 ClearML 將你的模型訓練過程圖形化，更容易比較訓練成效和分享

★ 附 notebook/py 範例程式、Google Colab 及本機安裝教學，包括如何安裝 CUDA GPU 支援

★ 加值贈送：運用 2021 年新推出的輕量級 AutoML 套件 Flaml 來預測結構化資料！

作者

Luis Sobrecueva

Luis Sobrecueva 是有二十年資歷的軟體工程師，目前任職於西班牙叫車服務公司 Cabify，並致力於參與 OpenAI 及 AutoKeras 等機器學習／深度學習開源專案的開發。

目錄

Chapter 1 AutoML 入門

Chapter 2 開始使用 AutoKeras ──第一個自動化 DL 範例

Chapter 3 了解 AutoKeras 對於自動化 DL 流程的資料預處理

Chapter 4 運用 AutoKeras 進行圖像的分類與迴歸

Chapter 5 運用 AutoKeras 進行文本、情感、主題的分類與迴歸

Chapter 6 運用 AutoKeras 進行結構化資料的分類與迴歸

Chapter 7 運用 AutoKeras 進行時間序列預測

Chapter 8 自訂 AutoModel 複合模型並處理多重任務

Chapter 9 AutoKeras 模型的匯出與訓練過程視覺化

Bonus (電子書) 運用輕量級 AutoML 套件 Flaml 於結構化資料預測任務