Kursplan

Införandet

Att skapa en arbetsmiljö

Översikt över AutoML Funktioner

Hur AutoML Utforskar algoritmer

  • Gradient Boosting Machines (GBM), Random Forests, GLM, etc.

Lösa problem efter användningsfall

Lösa problem efter träningsdatatyp

Överväganden om datasekretess

Kostnadsöverväganden

Förbereda data

Arbeta med numeriska och kategoriska data

  • IID-tabelldata (H2O AutoML, auto-sklearn, TPOT)

Arbeta med tidsberoende data (tidsseriedata)

Klassificera råtext

Klassificera råbildsdata

  • Deep Learning och Neural Architecture Search (TensorFlow, PyTorch, Auto-Keras, etc.)

Distribuera en AutoML-metod

En titt på algoritmerna inuti AutoML

Sammanfoga olika modeller

Felsökning

Sammanfattning och slutsats

Krav

  • Erfarenhet av maskininlärningsalgoritmer.
  • Python eller R programmeringserfarenhet.

Publik

  • Dataanalytiker
  • Dataforskare
  • Dataingenjörer
  • Utvecklare
 14 timmar

Antal deltagare



Price per participant

Relaterade Kategorier