Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Plan du cours
Introduction
Mise en place d'un environnement de travail
Installation H2O
Anatomie d'un flux de travail Machine Learning standard
- Prétraitement des données, ingénierie des fonctionnalités, déploiement, etc.
Algorithmes statistiques et Machine Learning algorithmes
- Machines à gradient boosté, modèles linéaires généralisés, apprentissage profond, etc.
Comment H2O automatise le flux de travail Machine Learning
- Classification binaire, régression, etc.
Étude de cas : Prévision de la disponibilité des produits
Téléchargement d'un ensemble de données
Construction d'un modèle Machine Learning
Spécifier un cadre d'entraînement
Entraînement et validation croisée de différents modèles
Réglage des hyperparamètres
Entraînement de deux modèles d'ensemble empilés
Générer un classement des meilleurs modèles
Inspection de la composition de l'ensemble
Formation de nombreux modèles de réseaux neuronaux profonds
Résolution des problèmes
Résumé et conclusion
Pré requis
- Expérience de travail avec des modèles d'apprentissage automatique.
- Expérience en programmation Python ou R.
Audience
- Scientifiques des données
- Analystes de données
- Experts en la matière (experts du domaine)
14 heures