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
Ottimizzazione e Calibrazione degli Iperparametri
Introduzione ai Modelli Avanzati Machine Learning
Distribuzione del Modello
Interpretazione e Spiegabilità del Modello
Neural Networks e Deep Learning
Applicazioni del Mondo Reale e Studi di Caso
Riepilogo ed Esecuzione Successiva
Collaborazione con Google Colab per Modelli a Grande Scala Machine Learning
- Applicazione di modelli avanzati nel settore sanitario, finanziario e del e-commerce
- Studi di caso: distribuzioni di modelli riuscite
- Sfide ed tendenze future nell'apprendimento automatico avanzato
- Costruzione e addestramento di reti neurali profonde
- Apprendimento transfer con modelli pre-addestrati
- Ottimizzazione delle prestazioni dei modelli di apprendimento profondo
- Collaborazione a progetti di apprendimento automatico in Colab
- Utilizzo di Colab per il training distribuito e l'accelerazione GPU/TPU
- Integrazione con servizi cloud per il training del modello scalabile
- Esplorazione di tecniche di interpretabilità del modello (LIME, SHAP)
- AI spiegabile per modelli di apprendimento profondo
- Gestione della bias e dell'equità nei modelli di apprendimento automatico
- Tecniche di ricerca griglia e casuale
- Automazione della calibrazione degli iperparametri con Google Colab
- Utilizzo di tecniche di ottimizzazione avanzate (Bayesian, Algoritmi Genetici)
- Introduzione alle strategie di distribuzione del modello
- Distribuzione dei modelli in ambienti cloud utilizzando Google Colab
- Inferenza in tempo reale e elaborazione a batch
- Panoramica sui modelli complessi: Random Forests, Gradient Boosting, Neural Networks
- Quando utilizzare i modelli avanzati: best practices e casi d'uso
- Introduzione alle tecniche di apprendimento ensemble
Requisiti
Pubblico Obiettivo
- Scienziati dei dati
- Professionisti dell'apprendimento automatico
- Ingegneri AI
- Comprendenza solida degli algoritmi e concetti di apprendimento automatico
- Abilità nella programmazione Python
- Esperienza con Jupyter Notebooks o Google Colab
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.
