H2O AutoML
Corso
A Milano
Hai bisogno di un coach per la formazione?
Ti aiuterà a confrontare vari corsi e trovare l'offerta formativa più conveniente.
Descrizione
-
Tipologia
Corso
-
Luogo
Milano
H2O AutoML è una piattaforma di intelligenza artificiale che automatizza il processo di creazione, selezione e ottimizzazione di un gran numero di modelli di machine learning.
questa formazione diretta da istruttore (in loco o a distanza) è rivolta a data scientist che desiderano utilizzare H2O AutoML per automoinare il processo di creazione e selezione dei migliori algoritmi e parametri di machine learning.
entro la fine di questa formazione, i partecipanti saranno in grado di:
automatizza il flusso di lavoro di machine learning.
addestrare e sintonizzare automaticamente molti modelli di Machine Learning entro un intervallo di tempo specificato.
Train accatastati Ensemble per arrivare a modelli di ensemble altamente predittivi.
formato del corso
conferenza interattiva e discussione.
un sacco di esercizi e pratica.
implementazione hands-on in un ambiente lab Live.
Opzioni di personalizzazione del corso
per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.
Machine Translated
Sedi e date
Luogo
Inizio del corso
Inizio del corso
Profilo del corso
Experience working with machine learning models.
Python or R programming experience.
Audience
Data scientists
Data analysts
Subject matter experts (domain experts)
Opinioni
Materie
- E-learning
Programma
Introduction
Setting up a Working Environment
Installing H2O
Anatomy of a Standard Machine Learning Workflow
- Data-preprocessing, feature engineering, deployment， etc.
Statistical and Machine Learning Algorithms
- Gradient boosted machines, generalized linear models, deep learning, etc.
How H2O Automates the Machine Learning Workflow
- Binary Classification, Regression, etc.
Case Study: Predicting Product Availability
Downloading a Dataset
Building a Machine Learning Model
Specify a Training Frame
Training and Cross-Validating Different Models
Tuning the Hyperparameters
Training two Stacked Ensemble Models
Generating a Leaderboard of the Best Models
Inspecting the Ensemble Composition
Training a Large Number of Deep Neural Network Models
Troubleshooting
Summary and Conclusion
Hai bisogno di un coach per la formazione?
Ti aiuterà a confrontare vari corsi e trovare l'offerta formativa più conveniente.
H2O AutoML