Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Návrh Školení
Úvod do pokročilých modelů Machine Learning
- Přehled složitých modelů: Random Forest, Gradient Boosting, Neural Networks
- Kdy použít pokročilé modely: Nejlepší praktiky a případové studie
- Úvod do technologií kompozitního učení
Nastavení a optimalizace hyperparametrů
- Techniky grid search a random search
- Automatizace nastavování hyperparametrů pomocí Google Colab
- Použití pokročilých optimalizačních technik (Bayesova, genetické algoritmy)
Neural Networks a Deep Learning
- Vytváření a školení hlubokých neuronových sítí
- Transferové učení pomocí předškolicených modelů
- Optimalizace modelů pro výkon v oblasti hlubokého učení
Nasazení modelu
- Úvod do strategií nasazování modelů
- Nasazování modelů v prostředích cloudových služeb pomocí Google Colab
- Práce s reálným časem a procesy ve skupinách
Práce s Google Colab pro větším měřítkem Machine Learning
- Spolupráce na projektech strojového učení ve Colab
- Použití Colabu pro distribuované školení a zrychlení GPU/TPU
- Integrace s cloudovými službami pro škálovatelné školení modelů
Interpretace a vysvětlitelnost modelu
- Pracování s techniky interpretace modelu (LIME, SHAP)
- Vysvětlitelné umělé inteligence pro hluboká učení modelů
- Zvládání předsudků a spravedlnosti v modelech strojového učení
Skutečné aplikace a případové studie
- Použití pokročilých modelů ve zdravotnictví, financích a e-commerce
- Případová studie: Úspěšné nasazení modelů
- Výzvy a budoucí trendy v pokročilém strojovém učení
Závěr a další kroky
Požadavky
- Silný pochopení algoritmů a konceptů strojového učení
- Zručnost v Python programování
- Zkušenosti s Jupyter Notebooks nebo Google Colab
Cílová skupina
- Datoví analytiči
- Praktikové strojového učení
- Inženýři umělé inteligence
21 hodiny
Reference (2)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Kurz - MLflow
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.
