Cursusaanbod

Introductie

Het opzetten van een werkomgeving

Overzicht van AutoML Functies

Hoe AutoML algoritmen verkent

  • Gradient Boosting Machines (GBM's), Random Forests, GLM's, enz.

Problemen oplossen per use-case

Problemen oplossen op basis van het type trainingsgegevens

Overwegingen met betrekking tot gegevensprivacy

Kostenoverwegingen

Gegevens voorbereiden

Werken met numerieke en categorische gegevens

  • IID-gegevens in tabelvorm (H2O AutoML, auto-sklearn, TPOT)

Werken met tijdsafhankelijke gegevens (tijdreeksgegevens)

Onbewerkte tekst classificeren

Onbewerkte afbeeldingsgegevens classificeren

  • Deep Learning en Neurale Architectuur Zoeken (TensorFlow, PyTorch, Auto-Keras, etc.)

Een AutoML methode implementeren

Een blik op de algoritmen binnenin AutoML

Verschillende modellen samen samenvoegen

Probleemoplossing

Samenvatting en conclusie

Vereisten

  • Ervaring met machine learning algoritmes.
  • Python of R-programmeerervaring.

Audiëntie

  • Data-analisten
  • Datawetenschappers
  • Data-ingenieurs
  • Ontwikkelaars
 14 Uren

Aantal deelnemers


Prijs Per Deelnemer

Voorlopige Aankomende Cursussen

Gerelateerde categorieën