Schița de curs

Introducere

Crearea unui mediu de lucru

Prezentare generală a AutoML Caracteristici

Cum AutoML explorează algoritmii

  • Mașini de creștere a gradului (GBMs), Random Forests, GLM-uri etc.

Rezolvarea problemelor după caz de utilizare

Rezolvarea problemelor după tipul de date de instruire

Considerații privind confidențialitatea datelor

Considerații de cost

Pregătirea datelor

Lucrul cu date numerice și categoriale

  • Date tabelare IID (H2O AutoML, auto-sklearn, TPOT)

Lucrul cu date dependente de timp (date din seria temporală)

Clasificarea textului brut

Clasificarea datelor brute de imagine

  • Deep Learning și Arhitectura neuronală Search (TensorFlow, PyTorch, Auto-Keras etc.)

Implementarea unei metode AutoML.

O privire asupra algoritmilor din interior AutoML

Asamblarea diferitelor modele împreună

Depanare

Rezumat și Concluzie

Cerințe

  • Experiență cu algoritmi de învățare automată.
  • Python sau experiență de programare R.
  • .

Audiență

  • Analiști de date
  • Științifici de date
  • Inginerii de date
  • Dezvoltatori
 14 ore

Numărul de participanți


Pret per participant