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 θεμάτων (εμπειρογνώμονες τομέα)
 14 Hours

Number of participants


Price per participant

Upcoming Courses