Návrh Školení

Zavedení

Nastavení pracovního prostředí

Přehled AutoML funkcí

Jak AutoML zkoumá algoritmy

  • Gradient Boosting Machines (GBM), Random Forest, GLM atd.

Řešení problémů podle případu použití

Řešení problémů podle typu tréninkových dat

Úvahy o ochraně osobních údajů

Úvahy o nákladech

Příprava dat

Práce s číselnými a kategorickými daty

  • Tabulková data IID (H2O AutoML, auto-sklearn, TPOT)

Práce s časově závislými daty (data časových řad)

Klasifikace surového textu

Klasifikace nezpracovaných obrazových dat

  • Deep Learning a Neural Architecture Search (TensorFlow, PyTorch, Auto-Keras atd.)

Nasazení metody AutoML

Pohled na algoritmy uvnitř AutoML

Skládání různých modelů dohromady

Odstraňování problémů

Shrnutí a závěr

Požadavky

  • Zkušenosti s algoritmy strojového učení.
  • Python nebo zkušenosti s programováním R.

Publikum

  • Datové analytiky
  • Datoví vědci
  • datoví inženýři
  • Vývojáři
 14 hodiny

Počet účastníků


Price per participant

Upcoming Courses