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

Брой участници


Цена за участник

Upcoming Courses