AutoML基礎課程培訓

介紹與環境設置

• AutoML是什麼及其重要性
• 設置Python和R環境
• 配置遠程桌面和雲環境

探索AutoML功能

• AutoML框架的核心功能
• 超參數優化與搜索策略
• 解釋AutoML輸出與日誌

AutoML如何選擇算法

• 梯度提升機（GBMs）、隨機森林、廣義線性模型（GLMs）
• 神經網絡與深度學習後端
• 權衡：準確性 vs. 可解釋性 vs. 成本

數據準備與預處理

• 處理數值與分類數據
• 特徵工程與編碼策略
• 處理缺失值與數據不平衡

針對不同數據類型的AutoML

• 表格數據（H2O AutoML、auto-sklearn、TPOT）
• 時間序列數據（預測與序列建模）
• 文本與自然語言處理任務（分類、情感分析）
• 圖像分類與計算機視覺（Auto-Keras、TensorFlow、PyTorch）

模型部署與監控

• 導出與部署AutoML模型
• 構建即時預測管道
• 監控模型漂移與重新訓練策略

集成與高級主題

• 堆疊與混合AutoML模型
• 隱私與合規考慮
• 大規模AutoML的成本優化

故障排除與案例研究

• 常見錯誤及其解決方法
• 解釋AutoML模型性能
• 行業用例的案例研究

總結與下一步