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
Algoritmi di Machine Learning in Julia
Concetti introduttivi
- Apprendimento supervisionato e non supervisionato
- Cross validation e selezione del modello
- Compromesso tra bias e varianza
Regressione lineare e logistica
(NaiveBayes & GLM)
- Concetti introduttivi
- Adattamento di modelli di regressione lineare
- Diagnostica del modello
- Naive Bayes
- Adattamento di un modello di regressione logistica
- Diagnostica del modello
- Metodi di selezione del modello
Distanze
- Cosa è una distanza?
- Euclideana
- Cityblock
- Cosine
- Correlazione
- Mahalanobis
- Hamming
- MAD
- RMS
- Deviazione quadratica media
Riduzione della dimensionalità
-
Analisi delle componenti principali (PCA)
- PCA lineare
- PCA a nucleo
- PCA probabilistica
- CA indipendente
- Scaling multidimensionale
Metodi di regressione alterati
- Concetti di base della regolarizzazione
- Regressione Ridge
- Regressione Lasso
- Regressione per componenti principali (PCR)
Clustering
- K-means
- K-medoids
- DBSCAN
- Clustering gerarchico
- Algoritmo di clustering Markov
- Clustering fuzzy C-means
Modelli standard di machine learning
(NearestNeighbors, DecisionTree, LightGBM, XGBoost, EvoTrees, LIBSVM packages)
- Concetti di boosting a gradiente
- K nearest neighbours (KNN)
- Modelli ad albero decisionale
- Modelli random forest
- XGboost
- EvoTrees
- Macchine a vettori di supporto (SVM)
Reti neurali artificiali
(Flux package)
- Gradiente stocastico e strategie
- Reti perceptron multistrato forward feed & back propagation
- Regolarizzazione
- Reti neurali ricorrenti (RNN)
- Reti neurali convoluzionali (Convnets)
- Autoencoder
- Iperparametri
Requisiti
Questo corso è rivolto a persone che hanno già una competenza nel campo della scienza dei dati e delle statistiche.
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
