Machine Learning and Big Data Träningskurs

Denna instruktörsledda, liveträning i Sverige (online eller på plats) riktar sig till datavetare och dataanalytiker som vill automatisera, utvärdera och hantera prediktiva modeller med hjälp av DataRobot:s maskininlärningsfunktioner.

I slutet av denna utbildning kommer deltagarna att kunna:

• Läs in datauppsättningar i DataRobot för att analysera, utvärdera och kvalitetskontrollera data.
• Skapa och träna modeller för att identifiera viktiga variabler och uppfylla förutsägelsemål.
• Tolka modeller för att skapa värdefulla insikter som är användbara för att fatta affärsbeslut.
• Övervaka och hantera modeller för att upprätthålla en optimerad förutsägelseprestanda.

Denna instruktörsledda, liveträning i Sverige (online eller på plats) riktar sig till tekniska personer som vill bygga maskininlärningsmodeller med hjälp av algoritmer som GLM, Deep Learning och Random Forests.

I slutet av denna utbildning kommer deltagarna att kunna:

• Installera och konfigurera H2O.
• Skapa maskininlärningsmodeller med hjälp av olika populära algoritmer.
• Utvärdera modeller baserat på typen av data och affärskrav.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till datavetare som vill använda H2O AutoML för att automatisera processen för att skapa och välja den bästa maskininlärningsalgoritmen och parametrarna.

I slutet av denna utbildning kommer deltagarna att kunna:

• Automatisera arbetsflödet för maskininlärning.
• Träna och finjustera automatiskt många maskininlärningsmodeller inom ett angivet tidsintervall.
• Träna staplade ensembler för att komma fram till mycket prediktiva ensemblemodeller.

Den här instruktörsledda, live-utbildningen i Sverige (online eller på plats) riktar sig till maskininlärningsutövare som vill använda Auto-sklearn för att automatisera processen för att välja och optimera en maskininlärningsmodell.

I slutet av denna utbildning kommer deltagarna att kunna:

• Automatisera processen för att träna högeffektiva maskininlärningsmodeller.
• Skapa mycket exakta maskininlärningsmodeller samtidigt som du kringgår de mer tråkiga uppgifterna att välja, träna och testa olika modeller.
• Använd kraften i maskininlärning för att lösa verkliga affärsproblem.

Den här instruktörsledda, live-utbildningen i Sverige (online eller på plats) riktar sig till datavetare samt mindre tekniska personer som vill använda Auto-Keras för att automatisera processen för att välja och optimera en maskininlärningsmodell.

I slutet av denna utbildning kommer deltagarna att kunna:

• Automatisera processen för att träna högeffektiva maskininlärningsmodeller.
• Sök automatiskt efter de bästa parametrarna för djupinlärningsmodeller.
• Skapa mycket exakta maskininlärningsmodeller.
• Använd kraften i maskininlärning för att lösa verkliga affärsproblem.

Denna instruktörsledda, liveträning i Sverige (online eller på plats) riktar sig till datavetare och programvaruingenjörer som vill använda AdaBoost för att bygga boostande algoritmer för maskininlärning med Python.

I slutet av denna utbildning kommer deltagarna att kunna:

• Konfigurera den utvecklingsmiljö som krävs för att börja skapa maskininlärningsmodeller med AdaBoost.
• Förstå metoden för ensembleinlärning och hur du implementerar adaptiv förstärkning.
• Lär dig hur du skapar AdaBoost-modeller för att öka maskininlärningsalgoritmerna i Python.
• Använd justering av hyperparametrar för att öka noggrannheten och prestandan för AdaBoost modeller.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till datavetare och programvaruingenjörer som vill använda Random Forest för att bygga maskininlärningsalgoritmer för stora datamängder.

I slutet av denna utbildning kommer deltagarna att kunna:

• Konfigurera den utvecklingsmiljö som krävs för att börja skapa maskininlärningsmodeller med slumpmässig skog.
• Förstå fördelarna med Random Forest och hur du implementerar det för att lösa klassificerings- och regressionsproblem.
• Lär dig hur du hanterar stora datamängder och tolkar flera beslutsträd i Random Forest.
• Utvärdera och optimera maskininlärningsmodellens prestanda genom att justera hyperparametrarna.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till nybörjare till mellannivå dataanalytiker och datavetare som vill använda Weka för att utföra datautvinningsuppgifter.

I slutet av denna utbildning kommer deltagarna att kunna:

• Installera och konfigurera Weka.
• Förstå Weka-miljön och arbetsbänken.
• Utför datautvinningsuppgifter med hjälp av Weka.

Denna instruktörsledda, liveträning (online eller på plats) riktar sig till utvecklare som vill använda Googles ML Kit för att bygga maskininlärningsmodeller som är optimerade för bearbetning på mobila enheter.

I slutet av denna utbildning kommer deltagarna att kunna:

• Konfigurera den utvecklingsmiljö som krävs för att börja utveckla maskininlärningsfunktioner för mobilappar.
• Integrera nya maskininlärningstekniker i Android- och iOS-appar med hjälp av ML Kit API:er. 
• Förbättra och optimera befintliga appar med hjälp av ML Kit SDK för bearbetning och distribution på enheten.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till tekniska personer med bakgrund inom maskininlärning som vill optimera de maskininlärningsmodeller som används för att upptäcka komplexa mönster i big data.

I slutet av denna utbildning kommer deltagarna att kunna:

• Installera och utvärdera olika verktyg med öppen källkod AutoML (H2O AutoML, auto-sklearn, TPOT, TensorFlow, Py Torch, Auto-Keras, TPOT, Auto-WEKA, etc.)
• Träna maskininlärningsmodeller av hög kvalitet.
• Effektivt lösa olika typer av övervakade maskininlärningsproblem.
• Skriv bara den kod som krävs för att initiera den automatiserade maskininlärningsprocessen.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till deltagare med olika kompetensnivåer som vill utnyttja Googles AutoML plattform för att bygga skräddarsydda chatbots för olika applikationer.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå grunderna för chatbot-utveckling.
• Navigera i Google Cloud Platform och få åtkomst till AutoML.
• Förbereda data för träning av chattrobotmodeller.
• Träna och utvärdera anpassade chattrobotmodeller med hjälp av AutoML.
• Distribuera och integrera chatbots i olika plattformar och kanaler.
• Övervaka och optimera chatbotens prestanda över tid.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till datavetare, dataanalytiker och utvecklare som vill utforska AutoML produkter och funktioner för att skapa och distribuera anpassade ML-träningsmodeller med minimal ansträngning.

I slutet av denna utbildning kommer deltagarna att kunna:

• Utforska produktlinjen AutoML för att implementera olika tjänster för olika datatyper.
• Förbered och märk datauppsättningar för att skapa anpassade ML-modeller.
• Träna och hantera modeller för att skapa korrekta och rättvisa maskininlärningsmodeller.
• Gör förutsägelser med hjälp av tränade modeller för att uppfylla affärsmål och behov.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till dataanalytiker på mellannivå som vill lära sig att använda RapidMiner för att uppskatta och projicera värden och använda analysverktyg för tidsserieprognoser.

I slutet av denna utbildning kommer deltagarna att kunna:

• Lär dig att tillämpa CRISP-DM-metodiken, välja lämpliga maskininlärningsalgoritmer och förbättra modellkonstruktion och prestanda.
• Använd RapidMiner för att uppskatta och projicera värden och använda analysverktyg för tidsserieprognoser.

RapidMiner är en programvaruplattform för datavetenskap med öppen källkod för snabb prototypframställning och utveckling av applikationer. Den innehåller en integrerad miljö för förberedelse av data, maskininlärning, djupinlärning, textutvinning och prediktiv analys. 

I denna instruktörsledda, liveträning kommer deltagarna att lära sig hur man använder RapidMiner Studio för dataförberedelse, maskininlärning och implementering av prediktiva modeller. 

I slutet av denna utbildning kommer deltagarna att kunna:

• Installera och konfigurera RapidMiner
• Förbered och visualisera data med RapidMiner
• Verifiera maskininlärningsmodeller
• Mashup-data och skapa prediktiva modeller
• Operationalisera prediktiv analys i en affärsprocess
• Felsöka och optimera RapidMiner

Publik

• Datavetare
• Ingenjörer
• Utvecklare

Kursens upplägg

• Delvis föreläsning, delvis diskussion, övningar och tung praktisk övning

Not

• För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att ordna.

Pattern Recognition är processen att klassificera indata i objekt eller klasser baserat på nyckelfunktioner. 

Denna instruktörsledda, liveutbildning (online eller på plats) ger en introduktion till området mönsterigenkänning och maskininlärning. Det berör praktiska tillämpningar inom statistik, datavetenskap, signalbehandling, datorseende, datautvinning och bioinformatik.

I slutet av denna utbildning kommer deltagarna att kunna:

• Tillämpa grundläggande statistiska metoder för mönsterigenkänning.
• Använd nyckelmodeller som neurala nätverk och kärnmetoder för dataanalys.
• Implementera avancerade tekniker för komplex problemlösning.
• Förbättra förutsägelseprecisionen genom att kombinera olika modeller.

Kursens upplägg

• Interaktiv föreläsning och diskussion.
• Massor av övningar och övning.
• Praktisk implementering i en live-labbmiljö.

Alternativ för anpassning av kurser

• För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att ordna.