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
Machine Learning Algorithms in Julia
Základní koncepty
- Supervizované a nesupervizované učení
- Křížová validace a výběr modelu
- Obecná schopnost vs. specializace (bias/variance tradeoff)
Lineární a logistická regrese
(NaiveBayes & GLM)
- Základní koncepty
- Aproximace lineárních regresních modelů
- Diagnostika modelu
- Naive Bayes
- Aproximace logistického regresního modelu
- Diagnostika modelu
- Metody výběru modelu
Vzdálenosti
- Co je to vzdálenost?
- Eukleidovská vzdálenost
- Cityblock (Manhattan) vzdálenost
- Kosinová vzdálenost
- Korelační vzdálenost
- Mahalanobisova vzdálenost
- Hammingova vzdálenost
- Median absolute deviation (MAD)
- Root mean square (RMS)
- Střední čtvercová odchylka (mean squared deviation)
Redukce dimenzionality
-
Principal Component Analysis (PCA)
- Lineární PCA
- Kernel PCA
- Pravděpodobnostní PCA
- Nezávislá komponentová analýza (ICA)
- Multidimenzionální škálování (MDS)
Modifikované regresní metody
- Základní koncepty regularizace
- Ridge regrese
- Lasso regrese
- Regrese pomocí hlavních komponent (PCR)
Klasifikace do skupin (clustering)
- K-means klastrování
- K-medoids klastrování
- DBSCAN klastrování
- Hierarchické klastrování
- Markovův algoritmus klastrování (MCL)
- Fuzzy C-means klastrování
Standardní modely strojového učení
(NearestNeighbors, DecisionTree, LightGBM, XGBoost, EvoTrees, LIBSVM balíčky)
- Koncepty gradientního posilování (boosting)
- K nejbližších sousedů (KNN)
- Modely rozhodovacích stromů (Decision Trees)
- Modely náhodných lesů (Random Forests)
- XGBoost
- EvoTrees
- Support Vector Machines (SVM)
Umělé neuronové sítě
(balíček Flux)
- Stochastický gradientní sestup a strategie
- Multivrstvé perceptrony: forward feed a back propagation
- Regularizace
- Rekurentní neuronové sítě (RNN)
- Konvoluční neuronové sítě (Convnets)
- Autoenkodery
- Hyperparametry
Požadavky
Tento kurz je určen pro lidi, kteří již mají základní znalosti v datové vědě a statistice.
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.
