Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Struttura del corso
Introduzione ai modelli avanzati Machine Learning
- Panoramica dei modelli complessi: Random Forests, Gradient Boosting, Neural Networks
- Quando utilizzare i modelli avanzati: best practice e casi d'uso
- Introduzione alle tecniche di apprendimento d'insieme
Messa a punto e ottimizzazione degli iperparametri
- Tecniche di ricerca a griglia e di ricerca casuale
- Automatizzare l'ottimizzazione degli iperparametri con Google Colab
- Utilizzo di tecniche avanzate di ottimizzazione (Bayesiana, Algoritmi Genetici)
Neural Networks e Deep Learning
- Costruzione e addestramento di reti neurali profonde
- Trasferisci l'apprendimento con modelli pre-addestrati
- Ottimizzazione dei modelli di deep learning per le prestazioni
Distribuzione del modello
- Introduzione alle strategie di distribuzione dei modelli
- Distribuzione di modelli in ambienti cloud utilizzando Google Colab
- Inferenza in tempo reale ed elaborazione batch
Lavorare con Google Colab per la produzione su larga scala Machine Learning
- Collaborazione a progetti di machine learning in Colab
- Utilizzo di Colab per l'addestramento distribuito e l'accelerazione GPU/TPU
- Integrazione con i servizi cloud per l'addestramento scalabile dei modelli
Interpretabilità e spiegabilità del modello
- Esplorazione delle tecniche di interpretabilità dei modelli (LIME, SHAP)
- IA spiegabile per modelli di deep learning
- Gestione dei pregiudizi e dell'equità nei modelli di machine learning
Applicazioni reali e casi di studio
- Applicazione di modelli avanzati nel settore sanitario, finanziario ed e-commerce
- Case study: Distribuzioni di modelli di successo
- Sfide e tendenze future nell'apprendimento automatico avanzato
Riepilogo e passaggi successivi
Requisiti
- Forte comprensione degli algoritmi e dei concetti di machine learning
- Competenza nella programmazione Python
- Esperienza con Jupyter Notebooks o Google Colab
Pubblico
- Scienziati dei dati
- Professionisti dell'apprendimento automatico
- Ingegneri dell'intelligenza artificiale
21 ore
Recensioni (2)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Corso - MLflow
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.
