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.
Schița de curs
Introducere în modelele avansate Machine Learning
- Prezentare generală a modelelor complexe: Random Forests, Gradient Boosting, Neural Networks
- Când să utilizați modele avansate: Cele mai bune practici și cazuri de utilizare
- Introducere în tehnicile de învățare în ansamblu
Reglarea și optimizarea hiperparametrilor
- Tehnici de căutare în rețea și căutare aleatorie
- Automatizarea ajustării hiperparametrilor cu Google Colab
- Utilizarea tehnicilor avansate de optimizare (Bayesian, Algoritmi genetici)
Neural Networks și Deep Learning
- Construirea și antrenarea rețelelor neuronale profunde
- Învățarea prin transfer cu modele pre-antrenate
- Optimizarea modelelor de învățare profundă pentru performanță
Implementarea modelelor
- Introducere în strategiile de implementare a modelelor
- Implementarea modelelor în medii cloud utilizând Google Colab
- Inferența în timp real și procesarea pe loturi
Lucrul cu Google Colab pentru aplicații la scară largă Machine Learning
- Colaborarea la proiecte de învățare automată în Colab
- Utilizarea Colab pentru formarea distribuită și accelerarea GPU/TPU
- Integrarea cu serviciile cloud pentru formarea scalabilă a modelelor
Interpretabilitatea și explicabilitatea modelelor
- Explorarea tehnicilor de interpretabilitate a modelelor (LIME, SHAP)
- Inteligența artificială explicabilă pentru modelele de învățare profundă
- Gestionarea prejudecăților și a corectitudinii în modelele de învățare automată
Aplicații din lumea reală și studii de caz
- Aplicarea modelelor avansate în sănătate, finanțe și comerț electronic
- Studii de caz: Implementarea cu succes a modelelor
- Provocări și tendințe viitoare în învățarea automată avansată
Rezumat și pași următori
Cerințe
- Înțelegere aprofundată a algoritmilor și conceptelor de învățare automată
- Competențe în programare Python
- Experiență cu Jupyter Notebooks sau Google Colab
Audiență
- Oameni de știință în domeniul datelor
- Profesioniști în domeniul învățării automate
- ingineri AI
21 ore
Mărturii (2)
ecosistemul ML nu se limitează la MLFlow ci include și Optuna, hyperops, docker, docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Curs - MLflow
Tradus de catre o masina
Am apreciat participarea la antrenamentul Kubeflow, care s-a desfășurat în mod remote. Acest antrenament m-a permis să consolidez cunoștințele despre serviciile AWS, K8s și toolele devOps din jurul Kubeflow, care sunt bazele necesare pentru a aborda subiectul în mod corespunzător. Doresc să-i mulțumesc lui Malawski Marcin pentru paciența și profesionalismul arătat în antrenament și în oferirea de sfaturi privind cele mai bune practici. Malawski abordează subiectul din diferite perspective, folosind diverse instrumente de dezvoltare Ansible, EKS kubectl, Terraform. Acum sunt cu siguranță convins că mă îndrept către domeniul potrivit de aplicare.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Curs - Kubeflow
Tradus de catre o masina
