LightGBM για την Μηχανική Μάθηση Κομμάτι εκπαίδευσης

Εισαγωγή στο LightGBM

• Τι είναι το LightGBM;
• Γιατί να χρησιμοποιήσουμε το LightGBM;
• Σύγκριση με άλλα πλαίσια μηχανικού μάθησης
• Περιγραφή των χαρακτηριστικών και της αρχιτεκτονικής του LightGBM

Κατανόηση των ελέγχιων λήψης αποφάσεων

• Το κύκλος βίου του ελέγχιου λήψης απόφασης
• Πώς προσαρμόζονται τα ελέγχια λήψης αποφάσεων με το μηχανικό μάθηση
• Πώς λειτουργούν τα ελέγχια λήψης αποφάσεων

Ξεκούρεμα με το LightGBM

• Ρυθμίζοντας το περιβάλλον ανάπτυξης
• Εγκατάσταση του LightGBM ως εφαρμογή μόνιμης διαδρομής
• Εγκατάσταση του LightGBM σε container (Docker, Podman, κλπ.)
• Εγκατάσταση του LightGBM on-premise
• Εγκατάσταση του LightGBM στο cloud (ιδιωτικό, AWS, κλπ.)
• Βασική χρήση του LightGBM για classification και regression

Προχωρημένες Τεχνικές στο LightGBM

• Engineering of Features με το LightGBM
• Hyperparameter Tuning με το LightGBM
• Model Interpretation με το LightGBM

Ολοκλήρωση του LightGBM με άλλες Τεχνολογίες

• LightGBM with Python
• LightGBM with R
• LightGBM with SQL

Εφαρμογή των μοντέλων LightGBM

• Exporting models of LightGBM
• Using LightGBM in production environments
• Common deployment scenarios

Επίλυση προβλημάτων στο LightGBM

• Συνηθές προβλήματα με το LightGBM και πώς να τα επιλύσετε
• Debugging models of LightGBM
• Monitoring models of LightGBM in production environments

Summary and Next Steps

• Review of basics and advanced techniques of LightGBM
• Q&A session
• Next steps for using LightGBM in real-world scenarios