Course Outline

Introductie

Het opzetten van een werkomgeving

Installeren H2O

Anatomie van een standaard Machine Learning workflow

  • Voorverwerking van gegevens, functie-engineering, implementatie, enz.

Statistische en Machine Learning algoritmen

  • Gradient versterkte machines, gegeneraliseerde lineaire modellen, deep learning, enz.

Hoe H2O de Machine Learning workflow automatiseert

  • Binaire classificatie, regressie, enz.

Casestudy: Productbeschikbaarheid voorspellen

Een gegevensset downloaden

Het bouwen van een Machine Learning model

Een trainingsframe opgeven

Training en kruisvalidatie van verschillende modellen

Afstemming van de hyperparameters

Het trainen van twee gestapelde ensemblemodellen

Het genereren van een ranglijst van de beste modellen

Inspectie van de ensemblesamenstelling

Het trainen van veel Deep Neural Network Modellen

Probleemoplossing

Samenvatting en conclusie

Requirements

  • Ervaring met het werken met machine learning-modellen.
  • Python of R-programmeerervaring.

Audiëntie

  • Datawetenschappers
  • Data-analisten
  • Materiedeskundigen (domeindeskundigen)
 14 Hours

Voorlopige Aankomende Cursussen