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 演算法

  • 梯度提升机器、广义线性模型、深度学习等。

H2O 如何自动化 Machine Learning 工作流程

  • 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

优化超参数

训练两个 Stacked Ensemble 模型

生成最佳模型的排行榜

检查 Ensemble 组合

训练许多深度神经网路模型

故障排除

总结和结论

要求

  • 使用机器学习模型的经验。
  • Python 或 R 程式设计经验。

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

即将举行的公开课程