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 a Machine Learning e Google Colab
- Panoramica della machine learning
- Configurazione di Google Colab
- Ricapitolazione di Python
Supervised Learning con Scikit-learn
- Modelli di regressione
- Modelli di classificazione
- Valutazione e ottimizzazione del modello
Tecniche Unsupervised Learning
- Algoritmi di clustering
- Riduzione della dimensionalità
- Apprendimento delle regole di associazione
Concetti avanzati di Machine Learning
- Reti neurali e deep learning
- Macchine a vettori di supporto
- Metodi ensemble
Argomenti speciali in Machine Learning
- Feature engineering
- Regolazione degli iperparametri
- Interpretabilità del modello
Workflow del progetto Machine Learning
- Preprocessing dei dati
- Selezionare il modello
- Deployment del modello
Progetto finale
- Definizione della questione di partenza
- Raccolta e pulizia dei dati
- Addestramento ed esame del modello
Riepilogo e Passi Successivi
Requisiti
- Comprendere i concetti di base della programmazione
- Esperienza con la programmazione Python
- Conoscenza dei concetti statistici di base
Pubblico
- Scienziati dei dati
- Sviluppatori software
14 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.
