课程大纲

介绍

设置工作环境

安装 H2O

标准 Machine Learning 工作流程剖析

  • 数据预处理、特征工程、部署等

统计和 Machine Learning 算法

  • 梯度提升机、广义线性模型、深度学习等。

H2O 如何实现 Machine Learning 工作流程的自动化

  • 二元分类、回归等

案例研究:预测产品可用性

下载数据集

构建 Machine Learning 模型

指定训练框架

训练和交叉验证不同的模型

调整超参数

训练两个堆叠集成模型

生成最佳模型排行榜

检查合奏组合

训练许多深度神经网络模型

故障 排除

总结和结论

要求

  • 具有使用机器学习模型的经验。
  • Python 或 R 编程经验。

观众

  • 数据科学家
  • 数据分析师
  • 主题专家(领域专家)
 14 小时

人数



每位参与者的报价

课程分类