Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Plan du cours
Introduction
Mise en place d'un environnement de travail
Aperçu des caractéristiques de AutoML
Comment AutoML explore les algorithmes
- Machines de renforcement du gradient (GBM), Random Forests, GLM, etc.
Résolution des problèmes par cas d'utilisation
Résolution des problèmes en fonction du type de données d'entraînement
Considérations sur la confidentialité des données
Considérations sur les coûts
Préparation des données
Travailler avec des données numériques et catégorielles
- Données tabulaires IID (H2O AutoML, auto-sklearn, TPOT)
Travailler avec des données dépendant du temps (données de séries temporelles)
Classifier du texte brut
Classification d'images brutes
- [Recherche d'architecture neuronale (TensorFlow, PyTorch, Auto-Keras, etc.)
Déploiement d'une méthode AutoML
Aperçu des algorithmes de AutoML
Assemblage de différents modèles
Résolution des problèmes
Résumé et conclusion
Pré requis
- Expérience des algorithmes d'apprentissage automatique.
- Expérience en programmation Python ou R.
Audience
- Analystes de données
- Scientifiques des données
- Ingénieurs de données
- Développeurs
14 heures