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?
- Euclidea
- Cityblock (Manhattan)
- Cosine (Coseno)
- Correlazione
- Mahalanobis
- Hamming
- MAD (Median Absolute Deviation)
- RMS (Root Mean Square)
- Mean squared deviation (Scarto quadratico medio)
Riduzione della dimensionalità
-
Analisi delle Componenti Principali (PCA)
- PCA lineare
- PCA a nucleo (Kernel PCA)
- PCA probabilistica
- Analisi delle componenti indipendenti (ICA)
- Scaling multidimensionale
Metodi di regressione modificati
- Concetti di base della regolarizzazione
- Regressione Ridge
- Regressione Lasso
- Regressione con componenti principali (PCR)
Clustering
- K-means
- K-medoids
- DBSCAN
- Clustering gerarchico
- Algoritmo di clustering Markovian (MCL)
- Clustering Fuzzy C-means
Modelli standard di machine learning
(NearestNeighbors, DecisionTree, LightGBM, XGBoost, EvoTrees, LIBSVM packages)
- Concetti del boosting gradientale
- K nearest neighbours (KNN)
- Modelli di alberi decisionali
- Modelli di random forest
- XGboost
- EvoTrees
- Macchine a vettori di supporto (SVM)
Reti neurali artificiali
(Pacchetto Flux)
- Discesa stocastica del gradiente e strategie
- Perceptron a più livelli: feedforward e backpropagation
- Regolarizzazione
- Reti neurali ricorrenti (RNN)
- Reti neurali convoluzionali (Convnets)
- Autoencoder
- Iperparametri
Requisiti
Questo corso è rivolto a persone che hanno già una formazione in data science e statistica.
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
