Đề cương khóa học

Giới thiệu

Thiết lập Môi trường Làm việc

Tổng quan về các Tính năng của AutoML

Cách AutoML Khám phá Thuật toán

  • Máy Boosting Gradient (GBMs), Random Forests, GLMs, v.v.

Giải quyết Vấn đề theo Từng Trường hợp Sử dụng

Giải quyết Vấn đề theo Loại Dữ liệu Huấn luyện

Cân nhắc về Quyền riêng tư Dữ liệu

Cân nhắc về Chi phí

Chuẩn bị Dữ liệu

Làm việc với Dữ liệu Số và Phân loại

  • Dữ liệu dạng bảng IID (H2O AutoML, auto-sklearn, TPOT)

Làm việc với Dữ liệu Phụ thuộc Thời gian (Dữ liệu Chuỗi Thời gian)

Phân loại Văn bản Thô

Phân loại Dữ liệu Hình ảnh Thô

  • Deep Learning và Tìm kiếm Kiến trúc Mạng nơ-ron (TensorFlow, PyTorch, Auto-Keras, v.v.)

Triển khai một Phương pháp AutoML

Cái nhìn về các Thuật toán Bên trong AutoML

Kết hợp Các Mô hình Khác nhau

Khắc phục Sự cố

Tóm tắt và Kết luận

Requirements

  • Có kinh nghiệm với các thuật toán học máy.
  • Python hoặc kinh nghiệm lập trình R.

Đối tượng

  • Nhà phân tích dữ liệu
  • Nhà khoa học dữ liệu
  • Kỹ sư dữ liệu
  • Nhà phát triển
 14 Hours

Number of participants


Price per participant

Provisional Upcoming Courses (Require 5+ participants)

Related Categories