Kursplan

Introduksjon

Sette opp et arbeidsmiljø

Oversikt over AutoML funksjoner

Hvordan AutoML Utforsker algoritmer

    Gradient Boosting Machines (GBMs), Random Forests, GLMs, etc.

Løse problemer ved bruk-tilfelle

Løse problemer etter treningsdatatype

Hensyn til personvern

Kostnadshensyn

Forbereder data

Arbeide med numeriske og kategoriske data

    IID-tabelldata (H2O AutoML, auto-sklearn, TPOT)

Arbeide med tidsavhengige data (tidsseriedata)

Klassifisering av råtekst

Klassifisering av rå bildedata

    Deep Learning og Neural Architecture Search (TensorFlow, PyTorch, Auto-Keras, etc.)

Utplassering av en AutoML metode

En titt på algoritmene på innsiden AutoML

Sette sammen forskjellige modeller

Feilsøking

Oppsummering og konklusjon

Krav

  • Erfaring med maskinlæringsalgoritmer.
  • Python eller R programmeringserfaring.

Publikum

  • Dataanalytikere
  • Dataforskere
  • Dataingeniører
  • Utviklere
 14 timer

Antall deltakere



Price per participant

Testimonials (5)

Related Categories