План на курса

Въведение

Създаване на работна среда

Инсталиране H2O

Анатомия на стандартен Machine Learning работен процес

    Предварителна обработка на данни, инженеринг на функции, внедряване и др.

Статистически и Machine Learning Алгоритми

    Градиентно усилени машини, обобщени линейни модели, дълбоко обучение и др.

Как H2O автоматизира Machine Learning работния процес

    Двоична класификация, регресия и др.

Казус от практиката: Прогнозиране на наличността на продукта

Изтегляне на набор от данни

Изграждане на Machine Learning модел

Посочете рамка за обучение

Обучение и кръстосано валидиране на различни модели

Настройка на хиперпараметрите

Обучение на два подредени ансамбъл модела

Генериране на класация на най-добрите модели

Проверка на състава на ансамбъла

Обучение на много дълбоки модели на невронни мрежи

Отстраняване на неизправности

Обобщение и заключение

Изисквания

  • Опит в работата с модели за машинно обучение.
  • Python или R опит в програмирането.

Публика

  • Учени по данни
  • Анализатори на данни
  • Експерти по даден предмет (експерти в областта)
 14 Hours

Брой участници



Цена за участник

Свързани Kатегории