Cảm ơn bạn đã gửi yêu cầu! Một thành viên trong đội ngũ của chúng tôi sẽ liên hệ với bạn ngay lập tức.
Cảm ơn bạn đã gửi đặt chỗ! Một thành viên trong đội ngũ của chúng tôi sẽ liên hệ với bạn ngay lập tức.
Đề cương khóa học
Giới thiệu và Cài đặt Môi trường
- AutoML là gì và tầm quan trọng của nó
- Cài đặt môi trường Python và R
- Cấu hình máy tính từ xa và môi trường đám mây
Khám phá các tính năng của AutoML
- Các khả năng cơ bản của các khung AutoML
- Tối ưu hóa tham số siêu và các chiến lược tìm kiếm
- Giải thích kết quả và nhật ký của AutoML
AutoML chọn thuật toán như thế nào
- Gradient Boosting Machines (GBMs), Random Forests, GLMs
- Mạng nơron và các nền tảng học sâu
- Thương đổi: độ chính xác, khả năng giải thích và chi phí
Chuẩn bị và tiền xử lý dữ liệu
- Làm việc với dữ liệu số và phân loại
- Các chiến lược tạo đặc trưng và mã hóa
- Xử lý giá trị thiếu và dữ liệu mất cân bằng
AutoML cho các loại dữ liệu khác nhau
- Dữ liệu bảng (H2O AutoML, auto-sklearn, TPOT)
- Dữ liệu chuỗi thời gian (dự báo và mô hình hóa tuần tự)
- Các nhiệm vụ văn bản và NLP (phân loại, phân tích cảm xúc)
- Phân loại hình ảnh và tính toán máy tính (Auto-Keras, TensorFlow, PyTorch)
Triển khai và theo dõi mô hình
- Xuất và triển khai các mô hình AutoML
- Xây dựng pipeline cho dự đoán thời gian thực
- Theo dõi sự thay đổi mô hình và các chiến lược huấn luyện lại
Ensembling và các chủ đề nâng cao
- Stacking và blending các mô hình AutoML
- Các vấn đề về riêng tư và tuân thủ quy định
- Tối ưu hóa chi phí cho AutoML quy mô lớn
Giải quyết vấn đề và các nghiên cứu trường hợp
- Các lỗi thường gặp và cách sửa chúng
- Giải thích hiệu suất mô hình AutoML
- Các nghiên cứu trường hợp từ các ứng dụng công nghiệp
Tổng kết và các bước tiếp theo
Yêu cầu
- Kinh nghiệm với các thuật toán học máy
- Kinh nghiệm lập trình Python hoặc R
Đối tượng
- Chuyên gia phân tích dữ liệu
- Khoa học dữ liệu
- Kỹ sư dữ liệu
- Lập trình viên
14 Giờ học