Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Struttura del corso
Introduzione ai Modelli Avanzati di Machine Learning
- Panoramica sui modelli complessi: Random Forests, Gradient Boosting, Neural Networks
- Quando utilizzare i modelli avanzati: Best practice e casi d'uso
- Introduzione alle tecniche di ensemble learning
Ottimizzazione degli Iperparametri
- Tecnologie di ricerca griglia e random search
- Automazione dell'ottimizzazione degli iperparametri con Google Colab
- Utilizzo di tecniche avanzate di ottimizzazione (Bayesian, Genetic Algorithms)
Reti Neurali e Deep Learning
- Costruzione e training di reti neurali profonde
- Transfer learning con modelli pre-addestrati
- Ottimizzazione dei modelli di deep learning per le prestazioni
Distribuzione del Modello
- Introduzione alle strategie di distribuzione del modello
- Distribuzione dei modelli in ambienti cloud utilizzando Google Colab
- Inferenza in tempo reale e processing batch
Lavorare con Google Colab per la Machine Learning su Large-Scale
- Collaborazione sui progetti di machine learning in Colab
- Utilizzo di Colab per il training distribuito e l'accelerazione GPU/TPU
- Integrazione con servizi cloud per il training scalabile dei modelli
Interpretabilità ed Explicability del Modello
- Esplorazione delle tecniche di interpretabilità del modello (LIME, SHAP)
- AI spiegabile per modelli di deep learning
- Gestione del bias e della equità nei modelli di machine learning
Applicazioni e Case Studies nel Mondo Reale
- Applicazione dei modelli avanzati in settori come la sanità, le finanze e l'e-commerce
- Case studies: Distribuzioni di modelli riuscite
- Sfide e tendenze future nella machine learning avanzata
Riepilogo e Passi Successivi
Requisiti
- Conoscenza solida degli algoritmi e dei concetti di machine learning
- Profondità in programmazione Python
- Esperienza con Jupyter Notebooks o Google Colab
Pubblico di Riferimento
- Data scientists
- Praticanti di machine learning
- Ingegneri AI
21 Ore
Recensioni (2)
l'ecosistema ML non riguarda solo MLFlow, ma anche Optuna, Hyperopt, Docker e Docker-Compose
Guillaume GAUTIER - OLEA MEDICAL
Corso - MLflow
Traduzione automatica
Ho trovato molto piacevole partecipare alla formazione su Kubeflow, che si è svolta a distanza. Questa formazione mi ha permesso di consolidare le mie conoscenze sui servizi AWS, K8s e tutte le tool DevOps associate a Kubeflow, che costituiscono le basi necessarie per affrontare l'argomento in modo appropriato. Desidero ringraziare Malawski Marcin per la sua pazienza e professionalità nel fornire formazione e consigli sulle best practice. Malawski affronta l'argomento da diverse angolazioni, utilizzando diversi strumenti di distribuzione come Ansible, EKS kubectl e Terraform. Ora sono definitivamente convinto che mi sto muovendo nel campo d'applicazione giusto.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Corso - Kubeflow
Traduzione automatica
