Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
План на курса
Въведение
Създаване на работна среда
Преглед на AutoML функции
Как AutoML изследва алгоритмите
- Машини за усилване на градиента (GBM), Random Forest, GLM и др.
Разрешаване на проблеми по случай на употреба
Решаване на проблеми чрез обучение на тип данни
Съображения за поверителност на данните
Съображения за разходите
Подготовка на данни
Работа с числови и категориални данни
- IID таблични данни (H2O AutoML, автоматично сканиране, TPOT)
Работа с данни, зависими от времето (данни от времеви серии)
Класифициране на необработен текст
Класифициране на необработени данни за изображения
- Deep Learning и търсене на невронна архитектура (TensorFlow, PyTorch, Auto-Keras и т.н.)
Внедряване на AutoML метод
Поглед към вътрешните алгоритми AutoML
Комбиниране на различни модели заедно
Отстраняване на неизправности
Обобщение и заключение
Изисквания
- Опит с алгоритми за машинно обучение.
- Python или R опит в програмирането.
Публика
- Анализатори на данни
- Учени по данни
- Инженери по данни
- Разработчици
14 Часа