Schița de curs
- Introducere în ML Învățarea automată ca parte a inteligenței artificiale Tipuri de algoritmi ML ML Provocări și utilizarea potențială a ML Suprafitting și schimbul de variație prejudecata în ML Tehnici de învățare automată Fluxul de lucru învățare automată Învățare supravegheată – Clasificare, regresie Învățare nesupravegheată – Clustering, Detectarea anomaliilor Învățare semi-supravegheată și Reinforcement Learning Luare în considerare în învățarea automată Preprocesarea datelor Pregătirea și transformarea datelor Ingineria caracteristicilor Scalarea caracteristicilor Reducerea dimensionalității și selecția variabilelor Vizualizarea datelor Analiză exploratorie Studii de caz Inginerie avansată a caracteristicilor și impact asupra rezultatelor în regresia liniară pentru predicție Analiza seriilor temporale și Prognoza volumului lunar al vânzărilor - metode de bază, ajustare sezonieră, regresie, netezire exponențială, ARIMA, rețele neuronale Analiza coșului de piață și extragerea regulilor de asociere Analiza segmentării folosind hărți de grupare și auto-organizare Clasificarea care client este probabil să utilizeze regresia logistică, decizie copaci, xgboost, svm
Cerințe
Cunoașterea și conștientizarea fundamentelor Machine Learning
Mărturii (2)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Curs - MLflow
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.