Návrh Školení

Úvod

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 and 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

Reference (3)

Související kurzy

H2O AutoML

14 hodiny

AutoML with Auto-sklearn

14 hodiny

AutoML with Auto-Keras

14 hodiny

Google Cloud AutoML

7 hodiny

Artificial Intelligence (AI) for City Planning

14 hodiny

AI Awareness for Telecom

14 hodiny

Artificial Intelligence (AI) Overview

7 hodiny

From Zero to AI

35 hodiny

Algebra for Machine Learning

14 hodiny

Azure Machine Learning (AML)

21 hodiny

Artificial Neural Networks, Machine Learning, Deep Thinking

21 hodiny

Applied AI from Scratch

28 hodiny

Applied AI from Scratch in Python

28 hodiny

Applied Machine Learning

14 hodiny

Amazon Web Services (AWS) SageMaker

21 hodiny

Související kategorie