課程簡介

介紹

設置工作環境

AutoML 功能概述

AutoML 如何探索演算法

  • 梯度提升機 (GBM)、Random Forests、GLM 等

按用例解決問題

按訓練數據類型解決問題

數據隱私注意事項

成本考慮因素

準備數據

使用數值和分類數據

  • IID 表格數據(H2O AutoML、auto-sklearn、TPOT)

使用瞬態資料(時間序列資料)

對原始文本進行分類

對原始圖像數據進行分類

  • 深度學習和神經架構搜索(TensorFlow、PyTorch、Auto-Keras 等)

部署 AutoML 方法

看看裡面的演算法 AutoML

將不同的模型組合在一起

故障排除

總結和結論

最低要求

  • 具有機器學習演算法的經驗。
  • Python 或 R 程式設計經驗。

觀眾

  • 數據分析師
  • 數據科學家
  • 數據工程師
  • 開發人員
 14 時間:

人數


每位參與者的報價