Schița de curs
Introducere
Crearea unui mediu de lucru
Prezentare generală a AutoML Caracteristici
Cum AutoML explorează algoritmii
- Mașini de creștere a gradului (GBMs), Random Forests, GLM-uri etc.
Rezolvarea problemelor după caz de utilizare
Rezolvarea problemelor după tipul de date de instruire
Considerații privind confidențialitatea datelor
Considerații de cost
Pregătirea datelor
Lucrul cu date numerice și categoriale
- Date tabelare IID (H2O AutoML, auto-sklearn, TPOT)
Lucrul cu date dependente de timp (date din seria temporală)
Clasificarea textului brut
Clasificarea datelor brute de imagine
- Deep Learning și Arhitectura neuronală Search (TensorFlow, PyTorch, Auto-Keras etc.)
Implementarea unei metode AutoML.
O privire asupra algoritmilor din interior AutoML
Asamblarea diferitelor modele împreună
Depanare
Rezumat și Concluzie
Cerințe
- Experiență cu algoritmi de învățare automată.
- Python sau experiență de programare R. .
Audiență
- Analiști de date
- Științifici de date
- Inginerii de date
- Dezvoltatori
Mărturii (3)
The details and the presentation style.
Cristian Mititean - Accenture Industrial SS
Curs - Azure Machine Learning (AML)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Curs - Artificial Neural Networks, Machine Learning, Deep Thinking
That it was applying real company data. Trainer had a very good approach by making trainees participate and compete