Schulungsübersicht

Einführung

Einrichten einer Arbeitsumgebung

Überblick über die Funktionen von AutoML

Wie AutoML Algorithmen erforscht

  • Gradient Boosting Machines (GBMs), Random Forests, GLMs, etc.

Lösen von Problemen nach Anwendungsfall

Lösen von Problemen nach Art der Trainingsdaten

Überlegungen zum Datenschutz

Kostenüberlegungen

Aufbereitung von Daten

Arbeiten mit numerischen und kategorialen Daten

  • IID-Tabellendaten (H2O AutoML, Auto-Sklearn, TPOT)

Arbeiten mit zeitabhängigen Daten (Zeitreihendaten)

Klassifizierung von Rohtext

Klassifizierung von Bild-Rohdaten

  • Deep Learning und neuronale Architektur Search (TensorFlow, PyTorch, Auto-Keras, etc.)

Einsatz einer AutoML Methode

Ein Blick auf die Algorithmen in AutoML

Zusammenfügen verschiedener Modelle

Fehlersuche

Zusammenfassung und Schlussfolgerung

Voraussetzungen

  • Erfahrung mit Algorithmen des maschinellen Lernens.
  • Python oder R-Programmiererfahrung.

Publikum

  • Datenanalysten
  • Datenwissenschaftler
  • Dateningenieure
  • Entwickler
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer