感谢您发送咨询!我们的团队成员将很快与您联系。
感谢您发送预订!我们的团队成员将很快与您联系。
课程大纲
介绍
设置工作环境
AutoML 功能概述
AutoML 如何探索演算法
- 梯度提升机 (GBM)、Random Forest、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
成本注意事项
准备数据
使用数值和分类数据
- IID 表格数据(H2O AutoML、auto-sklearn、TPOT)
使用时间相关资料 (Time-Series Data)
对原始文本进行分类
对Raw影像数据进行分类
- Deep Learning 和神经架构搜索(TensorFlow、PyTorch、Auto-Keras 等)
部署 AutoML 方法
看看里面的演算法 AutoML
将不同的模型集成在一起
故障排除
总结和结论
要求
- 具有机器学习演算法经验。
- Python 或 R 程式设计经验。
观众
- 数据分析师
- 数据科学家
- 数据工程师
- 开发人员
14 小时