Schița de curs
Concepte avansate Machine Learning
Proiect final
Introducere în Machine Learning și Google Colab
Flux de lucru pentru proiectul Machine Learning
Subiecte speciale în Machine Learning
Rezumat și următoarele pași
Supervised Learning cu Scikit-learn
Tehnici de Unsupervised Learning
- Algoritmi de clustering
- Reducerea dimensiunilor
- Învățarea regulilor de asociere
- Preprocesare a datelor
- Selecția modelului
- Deployarea modelului
- Definirea declarației problemei
- Colectarea și curățarea datelor
- Antrenamentul și evaluarea modelului
- Ingineria caracteristicilor
- Reglarea hiperparametrilor
- Interpretabilitatea modelului
- Rețele neuronale și învățarea profunză
- Mașini vectoriale de suport
- Metode de ansamblu
- Panoramă a învățării automatizate
- Configurarea Google Colab
- Actualizare Python
- Modele de regresie
- Modele de clasificare
- Evaluarea și optimizarea modelului
Cerințe
Audiență
- O înțelegere a conceptelor de bază ale programării
- Experiență cu programarea Python
- Familiaritate cu conceptele statistice de bază
- Cercetători de date
- Dezvoltatori software
Mărturii (2)
ecosistemul ML nu se limitează la MLFlow ci include și Optuna, hyperops, docker, docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Curs - MLflow
Tradus de catre o masina
Am apreciat participarea la antrenamentul Kubeflow, care s-a desfășurat în mod remote. Acest antrenament m-a permis să consolidez cunoștințele despre serviciile AWS, K8s și toolele devOps din jurul Kubeflow, care sunt bazele necesare pentru a aborda subiectul în mod corespunzător. Doresc să-i mulțumesc lui Malawski Marcin pentru paciența și profesionalismul arătat în antrenament și în oferirea de sfaturi privind cele mai bune practici. Malawski abordează subiectul din diferite perspective, folosind diverse instrumente de dezvoltare Ansible, EKS kubectl, Terraform. Acum sunt cu siguranță convins că mă îndrept către domeniul potrivit de aplicare.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Curs - Kubeflow
Tradus de catre o masina