课程大纲

介绍

设置工作环境

AutoML 功能概述

AutoML 如何探索算法

  • 梯度提升机 (GBM)、Random Forests、GLM 等

按用例解决问题

按训练数据类型解决问题

数据隐私注意事项

成本考虑因素

准备数据

使用数值和分类数据

  • IID 表格数据(H2O AutoML、auto-sklearn、TPOT)

使用瞬态数据(时间序列数据)

对原始文本进行分类

对原始图像数据进行分类

  • 深度学习和神经架构搜索(TensorFlow、PyTorch、Auto-Keras 等)

部署 AutoML 方法

看看里面的算法 AutoML

将不同的模型组合在一起

故障 排除

总结和结论

要求

  • 具有机器学习算法的经验。
  • Python 或 R 编程经验。

观众

  • 数据分析师
  • 数据科学家
  • 数据工程师
  • 开发 人员
 14 小时

人数


每位参与者的报价