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
Impostazione di un ambiente di lavoro
Panoramica delle funzioni di AutoML
Come AutoML esplora gli algoritmi
- Macchine per l'aumento del gradiente (GBM), Random Forest, GLM, ecc.
Risoluzione dei problemi in base al caso d'uso
Risoluzione dei problemi in base al tipo di dati di training
Considerazioni sulla privacy dei dati
Considerazioni sui costi
Preparazione dei dati
Utilizzo di dati numerici e categorici
- Dati tabulari IID (H2O AutoML, auto-sklearn, TPOT)
Utilizzo di dati dipendenti dal tempo (dati di serie temporali)
Classificazione del testo grezzo
Classificazione dei dati delle immagini non elaborate
- Deep Learning e ricerca dell'architettura neurale (TensorFlow, PyTorch, Auto-Keras, ecc.)
Distribuzione di un metodo AutoML
Uno sguardo agli algoritmi all'interno AutoML
Unire insieme diversi modelli
Risoluzione dei problemi
Riassunto e conclusione
Requisiti
- Esperienza con algoritmi di apprendimento automatico.
- Python o R.
Pubblico
- Analisti di dati
- Scienziati dei dati
- Ingegneri dei dati
- Gli sviluppatori
14 ore