Plan Szkolenia

Wprowadzenie

Konfigurowanie środowiska pracy

Instalacja H2O

Anatomia standardowego Machine Learning przepływu pracy

  • Wstępne przetwarzanie danych, inżynieria funkcji, wdrażanie itp.

Algorytmy statystyczne i Machine Learning

  • Maszyny ze wzmocnieniem gradientowym, uogólnione modele liniowe, głębokie uczenie się itp.

Jak H2O automatyzuje Machine Learning przepływ pracy

  • Klasyfikacja binarna, regresja itp.

Studium przypadku: Przewidywanie dostępności produktu

Pobieranie zestawu danych

Tworzenie modelu Machine Learning

Określanie ramki szkoleniowej

Trening i weryfikacja krzyżowa różnych modeli

Dostrajanie hiperparametrów

Trenowanie dwóch połączonych modeli Ensemble

Generowanie tablicy najlepszych modeli

Sprawdzanie składu zespołu

Trenowanie wielu modeli głębokich sieci neuronowych

Rozwiązywanie problemów

Podsumowanie i wnioski

Wymagania

  • Doświadczenie w pracy z modelami uczenia maszynowego.
  • Python lub doświadczenie w programowaniu w języku R.

Publiczność

  • Naukowcy danych
  • Analitycy danych
  • Eksperci merytoryczni (eksperci domenowi)
 14 godzin

Liczba uczestników



Cena za uczestnika

Powiązane Kategorie