Schulungsübersicht
Einführung in fortgeschrittene Machine Learning-Modelle
- Überblick über komplexe Modelle: Random Forests, Gradient Boosting, Neuronale Netze
- Wann fortgeschrittene Modelle eingesetzt werden sollten: Best Practices und Anwendungsfälle
- Einführung in Ensemble-Lernverfahren
Hyperparameter-Tuning und -Optimierung
- Grid Search- und Random Search-Techniken
- Automatisches Hyperparameter-Tuning mit Google Colab
- Verwendung fortschrittlicher Optimierungstechniken (Bayesian, Genetische Algorithmen)
Neuronale Netze und Deep Learning
- Erstellung und Training von tiefen neuronalen Netzen
- Transfer Learning mit vortrainierten Modellen
- Optimierung von Deep-Learning-Modellen für die Leistungsfähigkeit
Modellbereitstellung
- Einführung in Strategien der Modellbereitstellung
- Bereitstellung von Modellen in cloudbasierten Umgebungen mit Google Colab
- Echtzeit-Inferenz und Batch-Verarbeitung
Arbeit mit Google Colab für large-scale Machine Learning
- Zusammenarbeit an Machine Learning-Projekten in Colab
- Verwendung von Colab für verteiltes Training und GPU/TPU-Beschleunigung
- Integration mit Cloud-Services für skalierbares Modell-Training
Modellinterpretierbarkeit und -Erklärbarkeit
- Erkundung von Techniken zur Modellinterpretierbarkeit (LIME, SHAP)
- Erklärbare KI für Deep-Learning-Modelle
- Handhabung von Bias und Fairness in Machine Learning-Modellen
Anwendungen in der Praxis und Fallstudien
- Anwendung fortgeschrittener Modelle in Gesundheitswesen, Finanzwesen und E-Commerce
- Fallstudien: Erfolgreiche Modellbereitstellungen
- Herausforderungen und zukünftige Trends im fortgeschrittenen Machine Learning
Zusammenfassung und nächste Schritte
Voraussetzungen
- Solides Verständnis von Machine Learning-Algorithmus und Konzepten
- Profizienz in Python-Programmierung
- Erfahrung mit Jupyter Notebooks oder Google Colab
Zielgruppe
- Data Scientists
- Machine Learning-Praktiker
- KI-Ingenieure
Erfahrungsberichte (3)
Mir hat besonders der Schluss gefallen, als wir die Zeit nahmen, mit CHAT GPT herumzuspielen. Der Raum war dafür jedoch nicht optimal eingerichtet – anstelle eines großen Tisches wären ein paar kleinere Tische nützlicher gewesen, damit wir in kleinen Gruppen zusammenkommen und brainstormen könnten.
Nola - Laramie County Community College
Kurs - Artificial Intelligence (AI) Overview
Maschinelle Übersetzung
Nach grundlegenden Prinzipien arbeiten und sich innerhalb desselben Tages auf die Anwendung von Fallstudien konzentrieren
Maggie Webb - Department of Jobs, Regions, and Precincts
Kurs - Artificial Neural Networks, Machine Learning, Deep Thinking
Maschinelle Übersetzung
Dass es reale Firmendaten verwendete. Der Trainer hatte einen sehr guten Ansatz, indem er die Teilnehmer aktiv einbezog und sie miteinander wetteifern ließ.
Jimena Esquivel - Zaklad Uslugowy Hakoman Andrzej Cybulski
Kurs - Applied AI from Scratch in Python
Maschinelle Übersetzung
