LightGBM για Machine Learning Training Course

Εισαγωγή στο LightGBM

• Τι είναι το LightGBM;
• Γιατί να χρησιμοποιήσετε το LightGBM;
• Σύγκριση με άλλους πλαίσια μηχανικής μάθησης
• Γενική επισκόπηση των χαρακτηριστικών και της αρχιτεκτονικής του LightGBM

Κατανόηση των αλγορίθμων δένδρων αποφάσεων

• Το κύκλος ζωής ενός αλγορίθμου δέντρου απόφασης
• Πώς τα αλγόριθμοι δέντρων απόφασης συνδέονται με τη μηχανική μάθηση
• Πώς λειτουργούν οι αλγόριθμοι δέντρων απόφασης

Ξεκίνημα με το LightGBM

• Καθοδήγηση για το ρυθμιστικό περιβάλλον ανάπτυξης
• Εγκατάσταση του LightGBM ως εφαρμογή stand-alone
• Εγκατάσταση του LightGBM σε πλαίσιο δοχής (Docker, Podman, κ.λπ.)
• Εγκατάσταση του LightGBM εντός μιας υποδοχής
• Εγκατάσταση του LightGBM στην έναν κλωνικό περιβάλλον (ιδιωτικό, AWS, κ.λπ.)
• Βασική χρήση του LightGBM για διακρίνειν και προβλέψεις

Προηγμένες τεχνικές στο LightGBM

• Μεταποίηση χαρακτηριστικών με το LightGBM
• Ρύθμιση υπερπαραμέτρων με το LightGBM
• Ερμηνεία του μοντέλου με το LightGBM

Ένταξη του LightGBM με άλλες τεχνολογίες

• LightGBM με Python
• LightGBM με R
• LightGBM με SQL

Εφαρμογή των μοντέλων LightGBM

• Έξοδος από τα μοντέλα LightGBM
• Χρήση του LightGBM σε περιβάλλοντα παραγωγής
• Κοινές σενάρια εφαρμογής

Διαπίστωση προβλημάτων με το LightGBM

• Κοινές δυσκολίες του LightGBM και πώς να επιλυθούν
• Αποκωδικοποίηση μοντέλων LightGBM
• Παρακολούθηση των μοντέλων LightGBM σε περιβάλλον παραγωγής

Σύνοψη και επόμενα βήματα

• Ανασκόπηση των βασικών προσδιορισμών και των προηγμένων τεχνικών του LightGBM
• Συζήτηση ερωτήσεων και απαντήσεων (Q&A)
• Επόμενα βήματα για τη χρήση του LightGBM σε πραγματικά δεδομένα