Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Schița de curs
Introducere și Configurarea Mediului
- Ce este AutoML și de ce este important
- Configurarea mediilor Python și R
- Configurarea mediilor de desktop la distanță și cloud
Explorarea Funcționalităților AutoML
- Capacitățile de bază ale framework-urilor AutoML
- Optimizarea hiperparametrilor și strategiile de căutare
- Interpretarea rezultatelor și jurnalelor AutoML
Cum Selectează AutoML Algoritmi
- Mașini de Boosting Gradient (GBMs), Păduri Aleatoare, GLMs
- Rețele neuronale și backend-uri de învățare profundă
- Compromisuri: acuratețe vs. interpretabilitate vs. cost
Pregătirea și Preprocesarea Datelor
- Lucrul cu date numerice și categorice
- Ingineria caracteristicilor și strategiile de codificare
- Gestionarea valorilor lipsă și a dezechilibrelor de date
AutoML pentru Diferite Tipuri de Date
- Date tabulare (H2O AutoML, auto-sklearn, TPOT)
- Date de serie temporală (prognoză și modelare secvențială)
- Text și sarcini NLP (clasificare, analiză de sentimente)
- Clasificarea imaginilor și computer vision (Auto-Keras, TensorFlow, PyTorch)
Implementarea și Monitorizarea Modelului
- Exportarea și implementarea modelelor AutoML
- Construirea de conducte pentru predicții în timp real
- Monitorizarea derapajului modelului și strategiile de reantrenare
Combinarea și Subiecte Avansate
- Combinarea și amestecarea modelelor AutoML
- Considerații privind confidențialitatea și conformitatea
- Optimizarea costurilor pentru AutoML la scară largă
Depanare și Studii de Caz
- Erori comune și cum să le remediați
- Interpretarea performanței modelelor AutoML
- Studii de caz din utilizări industriale
Rezumat și Pași Următori
Cerințe
- Experiență cu algoritmi de învățare automată
- Experiență în programare Python sau R
Publicul țintă
- Analiști de date
- Oameni de știință de date
- Ingineri de date
- Dezvoltatori
14 Ore
