XGBoost for Gradient Boosting培训
XGBoost 是基于决策树的集合(0)算法。 它使用一个高级增强框架来解决涉及图像和文本等不结构化数据的预测问题。 Gradient boosting 也是有效模拟表数据集的流行技术。
这项由导师领导的现场培训(在线或在线)是针对数据科学家,他们希望使用XGBoost来构建能够有效解决逆转、分类、排名和预测问题的模型。
在本研讨会结束后,参与者将能够:
- 安装和设置 XGBoost。
- 了解决策树与其他算法之间的关系,如物流回归和随机森林。
- 测试不同的图书馆,以确定最好的工作。
- 选择一个算法的正确配置。
- 点击一个数据集的算法的超级参数。
- 实施机械学习解决方案,平衡功率与复杂性、解释性和易于实施。
课程格式
- 互动讲座和讨论。
- 很多练习和练习。
- 在现场实验室环境中进行手动实施。
课程定制选项
- 要申请此课程的定制培训,请联系我们安排。
课程大纲
介绍
- 人工神经网络与基于决策树的算法
XGBoost 功能概述
- 梯度提升算法的元素
- 专注于计算速度和模型性能
- XGBoost 与逻辑回归、Random Forest 和标准梯度提升
基于树的算法的演变
- 决策树、装袋、Random Forest、提升、梯度提升
- 系统优化
- 算法增强
准备环境
- 安装 SciPy 和 scikit-learn
创建 XGBoost 模型
- 下载数据集
- 解决常见的分类问题
- 训练 XGBoost 模型进行分类
- 解决常见的回归任务
监控性能
- 评估和报告绩效
- 提早停止
按重要性绘制要素
- 计算特征重要性
- 决定保留或放弃哪些输入变量
配置梯度提升
- 查看训练和验证数据集的学习曲线
- 调整学习率
- 调整树的数量
超参数调优
- 提高 XGBoost 模型的性能
- 设计一个对照实验来调整超参数
- Search参数组合
创建流水线
- 将 XGBoost 模型合并到端到端机器学习管道中
- 优化管道中的超参数
- 先进的预处理技术
故障 排除
总结和结论
要求
- 具有编写机器学习模型的经验
观众
- 数据科学家
- 机器学习工程师
Open Training Courses require 5+ participants.
XGBoost for Gradient Boosting培训 - 预定
XGBoost for Gradient Boosting培训 - 询问
XGBoost for Gradient Boosting - 咨询询问
即将举行的公开课程
相关课程
H2O AutoML
14 小时这种以讲师为主导的中国现场现场培训针对的是希望使用H2O AutoML来自动化构建和选择最佳机器学习算法和参数的过程的数据科学家。
在培训结束时,参与者将能够:
- 自动执行机器学习工作流。
- 在指定的时间范围内自动训练和调优多个机器学习模型。
- 训练堆叠集成以得出高度预测的集成模型。
AutoML with Auto-sklearn
14 小时这种以讲师为主导的中国现场现场培训针对的是希望使用Auto-sklearn来自动化选择和优化机器学习模型过程的机器学习从业者。
在培训结束时,参与者将能够:
- 自动执行训练高效机器学习模型的过程。
- 构建高度准确的机器学习模型,同时绕过选择、训练和测试不同模型等更繁琐的任务。
- 利用机器学习的强大功能解决实际业务问题。
AutoML with Auto-Keras
14 小时这种以讲师为主导的中国现场培训(现场或远程)针对的是数据科学家以及希望使用Auto-Keras来自动化选择和优化机器学习模型过程的技术人员。
在培训结束时,参与者将能够:
- 自动执行训练高效机器学习模型的过程。
- 自动搜索深度学习模型的最佳参数。
- 构建高度准确的机器学习模型。
- 利用机器学习的强大功能解决实际业务问题。
Introduction to Stable Diffusion for Text-to-Image Generation
21 小时这种以讲师为主导的现场培训(现场或远程)面向希望 利用 Stable Diffusion 为各种用例生成高质量图像的数据科学家、机器学习工程师和计算机视觉研究人员。
在培训结束时,参与者将能够:
-
了解 Stable Diffusion 的原理以及它如何用于图像生成。
为图像生成任务构建和训练 Stable Diffusion 个模型。
将 Stable Diffusion 应用于各种图像生成场景,例如修复、修复和图像到图像的转换。
优化 Stable Diffusion 模型的性能和稳定性。
Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation
21 小时这种由讲师指导的中国现场现场培训面向中高级数据科学家,机器学习工程师,深度学习研究人员和计算机视觉专家,他们希望扩展其在深度学习方面的知识和技能,以生成文本到图像。
在培训结束时,参与者将能够:
-
了解用于文本到图像生成的高级深度学习架构和技术。
实施复杂的模型和优化,实现高质量的图像合成。
优化大型数据集和复杂模型的性能和可扩展性。
调整超参数以获得更好的模型性能和泛化。
将 Stable Diffusion 与其他深度学习框架和工具集成
AlphaFold
7 小时这种以讲师为主导的中国 现场现场培训针对的是希望了解AlphaFold工作原理并使用AlphaFold模型作为实验研究指南的生物学家。
在培训结束时,参与者将能够:
- 了解 AlphaFold 的基本原理。
- 了解 AlphaFold 的工作原理。
- 了解如何解释 AlphaFold 预测和结果。
TensorFlow Lite for Embedded Linux
21 小时这种以讲师为主导的中国现场现场培训面向希望使用TensorFlow Lite在嵌入式设备上部署深度学习模型的开发人员。
在培训结束时,参与者将能够:
- 在嵌入式设备上安装和配置 Tensorflow Lite。
- 了解 TensorFlow Lite 的基本概念和组件。
- 将现有模型转换为 TensorFlow Lite 格式,以便在嵌入式设备上执行。
- 在小型设备和 TensorFlow Lite 的限制范围内工作,同时学习如何扩展可以运行的操作范围。
- 在运行 Linux 的嵌入式设备上部署深度学习模型。
TensorFlow Lite for Android
21 小时这种以讲师为主导的中国现场培训(现场或远程)针对希望使用TensorFlow Lite开发具有深度学习功能的移动应用程序的开发人员。
在培训结束时,参与者将能够:
- 安装和配置 TensorFlow Lite。
- 了解 TensorFlow、机器学习和深度学习背后的原理。
- 将 TensorFlow 模型加载到 Android 设备上。
- 在移动应用程序中启用深度学习和机器学习功能,例如计算机视觉和自然语言识别。
Tensorflow Lite for Microcontrollers
21 小时这种以讲师为主导的中国现场培训(现场或远程)面向希望在非常小的嵌入式设备上编写,加载和运行机器学习模型的工程师。
在培训结束时,参与者将能够:
- 安装 TensorFlow Lite。
- 将机器学习模型加载到嵌入式设备上,使其能够检测语音、对图像进行分类等。
- 将 AI 添加到硬件设备,而无需依赖网络连接。
TensorFlow Lite for iOS
21 小时这种以讲师为主导的现场培训(现场或远程)面向希望使用TensorFlow Lite开发具有深度学习功能的iOS移动应用程序的开发人员。
在培训结束时,参与者将能够:
- 安装和配置 TensorFlow Lite。
- 了解移动设备上的 TensorFlow 和机器学习背后的原理。
- 将 TensorFlow 模型加载到 iOS 设备上。
- 运行能够检测和分类通过设备摄像头捕获的对象的 iOS 应用程序。
Edge AI with TensorFlow Lite
14 小时这种由讲师指导的 中国(在线或现场)实时培训面向希望利用 TensorFlow Lite 进行边缘 AI 应用程序的中级开发人员、数据科学家和 AI 从业者。
在培训结束时,参与者将能够:
- 了解 TensorFlow Lite 的基础知识及其在边缘 AI 中的作用。
- 使用 TensorFlow Lite 开发和优化 AI 模型。
- 在各种边缘设备上部署 TensorFlow Lite 模型。
- 利用工具和技术进行模型转换和优化。
- 使用 TensorFlow Lite 实现实用的边缘 AI 应用程序。
Optimizing AI Models for Edge Devices
14 小时这种由讲师指导的 中国(在线或现场)实时培训面向希望优化 AI 模型以进行边缘部署的中级 AI 开发人员、机器学习工程师和系统架构师。
在培训结束时,参与者将能够:
- 了解在边缘设备上部署 AI 模型的挑战和要求。
- 应用模型压缩技术来减小 AI 模型的大小和复杂性。
- 利用量化方法提高边缘硬件上的模型效率。
- 实施修剪和其他优化技术以提高模型性能。
- 在各种边缘设备上部署优化的 AI 模型。
Edge AI in Industrial Automation
14 小时这种以讲师为主导的中国(在线或现场)现场培训面向希望在工业自动化中实施边缘 AI 解决方案的中级工业工程师、制造专业人员和 AI 开发人员。
在培训结束时,参与者将能够:
- 了解边缘 AI 在工业自动化中的作用。
- 使用 Edge AI 实施预测性维护解决方案。
- 在制造过程中应用人工智能技术进行质量控制。
- 使用边缘 AI 优化工业流程。
- 在工业环境中部署和管理边缘 AI 解决方案。
Edge AI for Financial Services
14 小时这种以讲师为主导的中国(在线或现场)现场培训面向希望在金融服务中实施边缘人工智能解决方案的中级金融专业人士、金融科技开发人员和人工智能专家。
在培训结束时,参与者将能够:
- 了解边缘 AI 在金融服务中的作用。
- 使用 Edge AI 实施欺诈检测系统。
- 通过 AI 驱动的解决方案增强客户服务。
- 应用边缘 AI 进行风险管理和决策。
- 在金融环境中部署和管理边缘 AI 解决方案。
Deep Learning Neural Networks with Chainer
14 小时这种以讲师为主导的中国现场现场培训针对的是希望使用Chainer在Python中构建和训练神经网络的研究人员和开发人员,同时使代码易于调试。
在培训结束时,参与者将能够:
- 设置必要的开发环境以开始开发神经网络模型。
- 使用易于理解的源代码定义和实现神经网络模型。
- 执行示例并修改现有算法以优化深度学习训练模型,同时利用 GPU 实现高性能。