Kursplan

Införandet

Att inrätta 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

Saker att tänka på när det gäller kostnader

Förbereda data

Arbeta med numeriska och kategoriska data

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

Arbeta med tidsberoende data (tidsseriedata)

Klassificera rå text

Klassificera råbildsdata

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

Distribuera en AutoML-metod

En titt på algoritmerna inuti AutoML

Att sätta ihop olika modeller

Felsökning

Sammanfattning och slutsats

Krav

  • Erfarenhet av maskininlärningsalgoritmer.
  • Python eller R-programmeringserfarenhet.

Publik

  • Dataanalytiker
  • Datavetare
  • Datatekniker
  • Utvecklare
 14 timmar

Antal deltagare


Price per participant

Upcoming Courses