Course Outline

Εισαγωγή

Δημιουργία Περιβάλλοντος Εργασίας

Εγκατάσταση H2O

Anatomy of a Standard Machine Learning Ροή εργασιών

    Προεπεξεργασία δεδομένων, μηχανική χαρακτηριστικών, ανάπτυξη κ.λπ.

Στατιστικά και Machine Learning Αλγόριθμοι

    Μηχανές με ενισχυμένη κλίση, γενικευμένα γραμμικά μοντέλα, βαθιά εκμάθηση κ.λπ.

Πώς το H2O αυτοματοποιεί τη ροή εργασίας Machine Learning

    Δυαδική ταξινόμηση, παλινδρόμηση κ.λπ.

Μελέτη περίπτωσης: Πρόβλεψη διαθεσιμότητας προϊόντος

Λήψη συνόλου δεδομένων

Κατασκευή ενός Machine Learning μοντέλου

Καθορίστε ένα πλαίσιο εκπαίδευσης

Εκπαίδευση και διασταυρούμενη επικύρωση διαφορετικών μοντέλων

Ρύθμιση των Υπερπαραμέτρων

Εκπαίδευση δύο Stacked Ensemble Models

Δημιουργία Leaderboard των Καλύτερων Μοντέλων

Επιθεώρηση της σύνθεσης του συνόλου

Εκπαίδευση πολλών μοντέλων βαθέων νευρωνικών δικτύων

Αντιμετώπιση προβλημάτων

Περίληψη και Συμπέρασμα

Requirements

  • Εμπειρία εργασίας με μοντέλα μηχανικής εκμάθησης.
  • Python ή R εμπειρία προγραμματισμού.

Ακροατήριο

  • Επιστήμονες δεδομένων
  • Αναλυτές δεδομένων
  • Εμπειρογνώμονες σε θέματα (εμπειρογνώμονες τομέα)
  14 Hours
 

Number of participants


Starts

Ends


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Related Courses

Google Cloud AutoML

  7 Hours

Related Categories