Course Outline
Εισαγωγή στους Προχωρημένους Machine Learning Μοντέλους
- Υπερεμφάνυση περίπλοκων μοντέλων: Random Forest, Gradient Boosting, Neural Networks
- Πότε να χρησιμοποιήσετε προχωρημένα μοντέλα: καλές πρακτικές και περιπτώσεις εφαρμογής
- Εισαγωγή στους τεχνικούς συνδυασμού μάθησης
Συστηματικός Αριθμός Δηλώσεων και Oπιmization
- Τεχνικές Grid Search και Random Search
- Αυτομάτευση του συστηματικού αριθμού δηλώσεων με Google Colab
- Χρήση προχωρημένων τεχνικών επιτάχυνσης (Bayesian, Genetic Algorithms)
Neural Networks και Deep Learning
- Σύνδεση και εκπαίδευση με βάση βαθιές νευρωνικές δίκτυα
- Transfer learning με προ-εκπαιδευμένα μοντέλα
- Βελτιστοποίηση βαθιών μοντέλων για απόδοση
Εγκατάσταση Μοντέλων
- Εισαγωγή στις στρατηγικές εγκατάστασης μοντέλων
- Εγκατάσταση μοντέλων σε περιβάλλον νεφελών χρησιμοποιώντας Google Colab
- Αναφορά πραγματικής παρότασης και απευθείας επεξεργασίαα
Δουλειά με Google Colab για Μεγάλες Ποσότητες Machine Learning
- Συνεργασία σε προτιμώμενα προγράμματα μάθησης στο Colab
- Χρήση του Colab για κατανεμημένη εκπαίδευση και GPU/TPU επιτάχυνση
- Διεύρυνση με νεφελών των υπηρεσιών για διακριτή εκπαίδευση μοντέλων
Διαχείριση και Εξηγητικότητα Μοντέλων
- Έρευνα τεχνικών διαχείρισης μοντέλων (LIME, SHAP)
- Εξηγητικό AI για βαθιά μοντέλα μάθησης
- Διαχείριση προβλήματος και ισότητας σε μοντέλα μάθησης
Πρακτικές εφαρμογές και περίπτωσης περιπτώσεων
- Εφαρμογή προχωρημένων μοντέλων στην υγεία, τις φινάνσες και το e-commerce
- Περιπτώσεις περιβάλλον: επιτυχημένες εγκαταστάσεις μοντέλων
- Προκλήσεις και μέλλοντα τάση προχωρημένου machine learning
Επικεφαλίδες και Επόμενα Βήματα
Requirements
- Ισχυρός κατανοητικός ρόλος στους υπολογιστικούς μεθοδολογικούς κώδικες και τα προτυπα
- Δεξιότητες στην Python προγραμματισμό
- Εμπειρία με τα Jupyter Notebooks ή το Google Colab
Ακροατής
- Δεδομένων επιστήμονες
- Εφαρμοστές της μάशιν-λέρνινγκ
- AI μηχανικοί
Testimonials (2)
ο οικόσυμος της ML όχι μόνο το MLFlow αλλά και το Optuna, το hyperops, το docker, το docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Course - MLflow
Machine Translated
Μετάφραση αυτού Από: en Σε: el Με ευχαρίστησε να συμμετάσχω στην εκπαίδευση Kubeflow, η οποία πραγματοποιήθηκε από μακρές αποστάσεις. Αυτή η εκπαίδευση μου δώρισε την ευκαιρία να παγιώσω τις γνώσεις μου για υπηρεσίες AWS, K8s και όλα τα εργαλεία devOps που σχετίζονται με το Kubeflow, οι οποίες είναι τα απαραίτητα βάσιμα για να αντιμετωπίσουμε σωστά το θέμα. Θέλω να ευχαριστήσω τον Malawski Marcin για τη χρηστικότητά και την προфессионаλιστικότητά του στην εκπαίδευση και τις συμβουλές για τις καλύτερες πρακτικές. Ο Malawski προσέγγιζε το θέμα από διάφορες αποψίδες, διάφορα εργαλεία κατανάλωσης Ansible, EKS kubectl, Terraform. Τώρα είμαι σίγουρος ότι προχωρώ στο σωστό πεδίο εφαρμογής.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Course - Kubeflow
Machine Translated