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

Een Machine Learning-model bouwen

Een trainingskader opgeven

Training en cross-validatie van verschillende modellen

De hyperparameters afstemmen

Training van twee gestapelde ensemblemodellen

Een leaderboard van de beste modellen genereren

Inspecteren van de ensemblecompositie

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.

Publiek

  • Datawetenschappers
  • Data-analisten
  • Vakdeskundigen (domeinexperts)
 14 Hours

Related Categories