Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
Μηχανική Μάθησης στο Julia
Βασικές Έννοιες
- Εποπτευόμενη και μη εποπτευόμενη μάθηση
- Στρατηγική του διαμείνωντος (Cross validation) και επιλογή μοντέλου
- Η αντιμετώπιση χαμηλής και υψηλής προκατάληψης (Bias/variance tradeoff)
Γραμμική και Λογιστική Παλινδρόμηση
(NaiveBayes & GLM)
- Βασικές Έννοιες
- Προσαρμογή γραμμικών μοντέλων παλινδρόμησης
- Διάγνωση του μοντέλου (Model diagnostics)
- Naive Bayes
- Προσαρμογή λογιστικού μοντέλου παλινδρόμησης
- Διάγνωση του μοντέλου (Model diagnostics)
- Μεθόδους επιλογής του μοντέλου (Model selection methods)
Αποστάσεις
- Τι είναι η απόσταση;
- Ευκλείδεια (Euclidean)
- Cityblock
- Cosine
- Correlation
- Mahalanobis
- Hamming
- MAD (Μέσος Απόλυτος Διαφορικός)
- RMS (Ρίζα του Μεσοτελικού Τετραγωνικού Σφάλματος)
- Μέσος τετραγωνικός αποκλinator (Mean squared deviation)
Μείωση Διαστάσεων
- Ανάλυση Κύριων Συνιστών (PCA)
- Γραμμική PCA (Linear PCA)
- Kernel PCA
- Πιθανοφάνεια PCA (Probabilistic PCA)
- Ανεξάρτητη Ανάλυση Κύριων Συνιστών (Independent CA)
- Πολυδιάστατη κλίμακα (Multidimensional scaling)
Εναλλακτικές Μεθόδους Παλινδρόμησης
- Βασικές Έννοιες κατά την Κανονικοποίηση (Regularization)
- Ridge Regression
- Lasso Regression
- Παλινδρόμηση Κύριων Συνιστών (PCR)
Ομαδοποίηση (Clustering)
- K-means
- K-medoids
- DBSCAN
- Ιεραρχική ομαδοποίηση (Hierarchical clustering)
- Αλγόριθμος Markov Cluster (MCL)
- Fuzzy C-means Ομαδοποίηση
Κανονικά Μοντέλα Μηχανικής Μάθησης
(NearestNeighbors, DecisionTree, LightGBM, XGBoost, EvoTrees, LIBSVM πακέτα)
- Θεωρία του Gradient Boosting
- K Πλησιέστεροι Γείτονες (KNN)
- Μοντέλα Δένδρων Απόφασης (Decision tree models)
- Τυχαία Δάση (Random forest models)
- XGboost
- EvoTrees
- Μηχανής υποστήριξης διανύσματα (Support vector machines, SVM)
Τυπικά Νευρωνικά Δίκτυα
(Flux πακέτο)
- Στοχαστική παλινδρόμηση (Stochastic gradient descent) & στρατηγικές
- Πολυστάδιες Περιφερειακές Δομές με πρόωρη ανάδρομη διαίρεση (Multilayer perceptrons forward feed & back propagation)
- Κανονικοποίηση (Regularization)
- Επαναληπτικά Νευρωνικά Δίκτυα (RNN)
- Κυματοθετητικά Νευρωνικά Δίκτυα (Convolutional neural networks, Convnets)
- Αυτό-κωδικοποιητές (Autoencoders)
- Υπερπαράμετροι (Hyperparameters)
Requirements
Αυτό το μάθημα απευθύνεται σε ατομά που ήδη διαθέτουν εκπαίδευση στα στοιχεία των δεδομένων και της στατιστικής.
21 Hours
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
