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
Bevezetés a haladó Machine Learning modellekbe
- Összetett modellek áttekintése: Random Forests, Gradient Boosting, Neural Networks
- Mikor érdemes speciális modelleket használni: Bevált gyakorlatok és használati esetek
- Bevezetés az együttes tanulási technikákba
Hiperparaméter hangolás és optimalizálás
- Rácskeresés és véletlenszerű keresési technikák
- A hiperparaméter-hangolás automatizálása az Google Colab segítségével
- Fejlett optimalizálási technikák használata (bayesi, genetikai algoritmusok)
Neural Networks és Deep Learning
- Mély neurális hálózatok építése és betanítása
- Tanulás átvitele előre betanított modellekkel
- A mély tanulási modellek optimalizálása a teljesítmény érdekében
Modell bevezetés
- Bevezetés a modell telepítési stratégiákba
- Modellek telepítése felhőkörnyezetben az Google Colab segítségével
- Valós idejű következtetés és kötegelt feldolgozás
Munka az Google Colab for Large-Scale szolgáltatással Machine Learning
- Együttműködés gépi tanulási projektekben a Colabban
- A Colab használata elosztott képzéshez és GPU/TPU gyorsításhoz
- Integrálás felhőszolgáltatásokkal a méretezhető modellképzéshez
Modell értelmezhetőség és magyarázhatóság
- Modellértelmezési technikák feltárása (LIME, SHAP)
- Megmagyarázható AI a mély tanulási modellekhez
- Az elfogultság és az igazságosság kezelése a gépi tanulási modellekben
Valós alkalmazások és esettanulmányok
- Fejlett modellek alkalmazása az egészségügyben, a pénzügyekben és az e-kereskedelemben
- Esettanulmányok: Sikeres modelltelepítések
- Kihívások és jövőbeli trendek a fejlett gépi tanulásban
Összegzés és a következő lépések
Követelmények
- A gépi tanulási algoritmusok és fogalmak alapos ismerete
- Programozásban Python jártasság
- Jupyter Notebooks vagy Google Colab alkalmazásban szerzett tapasztalat
Közönség
- Adattudósok
- Gépi tanulással foglalkozó szakemberek
- AI mérnökök
21 Órák
Vélemények (2)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Kurzus - MLflow
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.
