Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
Haladó Machine Learning modellek bevezetése
- Összegzés komplex modellekről: Random Forests, Gradient Boosting, Neural Networks
- Haladó modellek használatának ideje: Legjobb gyakorlatok és használati esetek
- Bevezetés az ensembelearning technikákba
Hiperparaméter finomhangolás és optimalizálás
- Rács- és véletlen keresés technikák
- Hiperparaméter finomhangolás automatizálása Google Colab-val
- Haladó optimalizálási technikák használata (Bayesian, Genetikus Algoritmusok)
Neural Networks és Deep Learning
- Mély neuronhálózatok építése és kiképzése
- Átviteli tanulás előképzett modellekkel
- Mélytanulási modellek teljesítményének optimalizálása
Modell telepítés
- Modell telepítési stratégiák bevezetése
- Modellek telepítése felhő környezetekben Google Colab használatával
- Valós idejű előrejelzés és tömb feldolgozás
Google Colab használata nagy méretű Machine Learning modellekhez
- Együttműködés gépi tanulási projektekben a Colabban
- Colab használata elosztott kiképzésre és GPU/TPU gyorsításra
- Integráció felhő szolgáltatásokkal skalázható modell kiképzéshez
Modell interpretálhatóság és magyarázhatóság
- Modell interpretálhatóság technikák (LIME, SHAP) feltárása
- Magyarázható mesterséges intelligencia mélytanulási modellekhez
- Biasz és egyenlőség kezelése gépi tanulási modellekben
Valós életbeli alkalmazások és esettanulmányok
- Haladó modellek alkalmazása egészségügyben, pénzügyben és e-commerce-ben
- Esettanulmányok: sikeres modell telepítések
- Kihívások és jövőbeli trendek haladó gépi tanulás területén
Összegzés és Következő lépések
Követelmények
- Az összehasonlíthatatlanul jó ismerete a gépi tanulás algoritmusainak és fogalmainak
- Python programozás mesteri szintje
- Tapasztalat Jupyter Notebooks vagy Google Colab használatával
Célközönség
- Adattudósok
- Gépi tanulás gyakorlók
- Mesterséges intelligencia mérnökök
21 Órák
Vélemények (2)
Az ML ekoszisztéma nem csak MLFlow-t, hanem Optuna, hyperops, docker és docker-compose is tartalmazza.
Guillaume GAUTIER - OLEA MEDICAL
Kurzus - MLflow
Gépi fordítás
I élveztem a részvételt a Kubeflow képzésen, amelyet távolról tartottak. Ez a képzés lehetővé tette számomra, hogy megfossam az AWS szolgáltatások, a K8s, és az összes Kubeflow-hoz tartozó devOps eszköz ismereteit, amelyek a tárgy megfelelő megközelítéséhez szükségesek. Köszönöm Malawski Marcinnek a kitartását és a szakmai hozzáállását a képzés és a legjobb gyakorlatok tanácsai során. Malawski különböző szempontokból közelíti meg a tárgyat, különböző telepítési eszközök Ansible, EKS kubectl, Terraform. Most biztos vagyok benne, hogy a megfelelő alkalmazási területre léptek.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Kurzus - Kubeflow
Gépi fordítás
