Introduction to Pre-trained Models - Plan Szkolenia

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi i inżynierów oprogramowania, którzy chcą używać AdaBoost do tworzenia algorytmów wspomagających uczenie maszynowe z Python.

Pod koniec tego szkolenia uczestnicy będą mogli

• Skonfigurować niezbędne środowisko programistyczne, aby rozpocząć budowanie modeli uczenia maszynowego z AdaBoost.
• Zrozumieć podejście do uczenia zespołowego i jak wdrożyć adaptacyjne wzmacnianie.
• Dowiedzieć się, jak budować modele AdaBoost w celu wzmocnienia algorytmów uczenia maszynowego w Python.
• Korzystać z dostrajania hiperparametrów w celu zwiększenia dokładności i wydajności modeli AdaBoost.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi, którzy chcą korzystać z ekosystemu Anaconda do przechwytywania, zarządzania i wdrażania pakietów i przepływów pracy analizy danych na jednej platformie.

Pod koniec tego szkolenia uczestnicy będą mogli

• Zainstalować i skonfigurować komponenty i biblioteki Anaconda.
• Zrozumieć podstawowe pojęcia, funkcje i zalety Anaconda.
• Zarządzać pakietami, środowiskami i kanałami za pomocą Anaconda Navigator.
• Używanie pakietów Conda, R i Python do nauki o danych i uczenia maszynowego.
• Poznanie praktycznych przypadków użycia i technik zarządzania wieloma środowiskami danych.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi, a także osób mniej technicznych, które chcą używać Auto-Keras do automatyzacji procesu wyboru i optymalizacji modelu uczenia maszynowego.

Pod koniec tego szkolenia uczestnicy będą mogli

• Zautomatyzować proces szkolenia wysoce wydajnych modeli uczenia maszynowego.
• Automatycznie wyszukiwać najlepsze parametry dla modeli głębokiego uczenia.
• Tworzyć bardzo dokładne modele uczenia maszynowego.
• Wykorzystywać możliwości uczenia maszynowego do rozwiązywania rzeczywistych problemów biznesowych.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest skierowane do osób technicznych z doświadczeniem w uczeniu maszynowym, które chcą zoptymalizować modele uczenia maszynowego używane do wykrywania złożonych wzorców w dużych zbiorach danych.

Pod koniec tego szkolenia uczestnicy będą mogli

• Zainstalować i ocenić różne narzędzia open source AutoML (H2O AutoML, auto-sklearn, TPOT, TensorFlow, PyTorch, Auto-Keras, TPOT, Auto-WEKA itp.)
• Trenuj wysokiej jakości modele uczenia maszynowego.
• Efektywne rozwiązywanie różnych typów nadzorowanych problemów uczenia maszynowego.
• Napisz tylko niezbędny kod, aby zainicjować proces automatycznego uczenia maszynowego.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla uczestników o różnym poziomie wiedzy, którzy chcą wykorzystać platformę Google AutoML do tworzenia niestandardowych chatbotów do różnych zastosowań.

Pod koniec tego szkolenia uczestnicy będą w stanie

• Zrozumieć podstawy rozwoju chatbota.
• Poruszać się po platformie Google Cloud Platform i uzyskiwać dostęp do AutoML.
• Przygotowywać dane do trenowania modeli chatbotów.
• Trenować i oceniać niestandardowe modele chatbotów przy użyciu AutoML.
• Wdrażanie i integrowanie chatbotów z różnymi platformami i kanałami.
• Monitorowanie i optymalizacja wydajności chatbota w czasie.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla analityków danych i analityków danych, którzy chcą zautomatyzować, oceniać i zarządzać modelami predykcyjnymi przy użyciu możliwości uczenia maszynowego DataRobot.

Pod koniec tego szkolenia uczestnicy będą mogli

• Ładować zbiory danych w DataRobot, aby analizować, oceniać i sprawdzać jakość danych.
• Budować i trenować modele w celu identyfikacji ważnych zmiennych i osiągnięcia celów predykcyjnych.
• Interpretować modele w celu tworzenia cennych spostrzeżeń przydatnych w podejmowaniu decyzji biznesowych.
• Monitorowanie i zarządzanie modelami w celu utrzymania zoptymalizowanej wydajności przewidywania.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla początkujących i średnio zaawansowanych analityków danych i naukowców zajmujących się danymi, którzy chcą używać Weka do wykonywania zadań eksploracji danych.

Pod koniec tego szkolenia uczestnicy będą mogli

• Zainstalować i skonfigurować Weka.
• Zrozumieć środowisko Weka i środowisko pracy.
• Wykonywać zadania eksploracji danych przy użyciu Weka.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi, analityków danych i programistów, którzy chcą poznać AutoML produkty i funkcje do tworzenia i wdrażania niestandardowych modeli szkoleniowych ML przy minimalnym wysiłku.

Pod koniec tego szkolenia uczestnicy będą mogli

• Eksplorować linię produktów AutoML w celu wdrożenia różnych usług dla różnych typów danych.
• Przygotowywać i etykietować zestawy danych w celu tworzenia niestandardowych modeli ML.
• Trenować i zarządzać modelami w celu tworzenia dokładnych i uczciwych modeli uczenia maszynowego.
• Tworzyć prognozy przy użyciu wytrenowanych modeli, aby spełnić cele i potrzeby biznesowe.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi i programistów, którzy chcą uczyć się i budować swoją karierę w Data Science za pomocą Kaggle.

Pod koniec tego szkolenia uczestnicy będą mogli:

• Dowiedzieć się o nauce o danych i uczeniu maszynowym.
• Poznaj analitykę danych.
• Dowiedzieć się o Kaggle i jak to działa.

Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla programistów, którzy chcą używać Google's ML Kit do tworzenia modeli uczenia maszynowego zoptymalizowanych do przetwarzania na urządzeniach mobilnych.

Pod koniec tego szkolenia uczestnicy będą mogli

• Skonfigurować niezbędne środowisko programistyczne, aby rozpocząć opracowywanie funkcji uczenia maszynowego dla aplikacji mobilnych.
• Zintegrować nowe technologie uczenia maszynowego z aplikacjami Android i iOS przy użyciu interfejsów API ML Kit.
• Ulepszyć i zoptymalizować istniejące aplikacje za pomocą ML Kit SDK do przetwarzania i wdrażania na urządzeniu.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi i programistów, którzy chcą używać Modin do tworzenia i wdrażania równoległych obliczeń z Pandas w celu szybszej analizy danych.

Pod koniec tego szkolenia uczestnicy będą w stanie

• Skonfigurować niezbędne środowisko, aby rozpocząć opracowywanie Pandas przepływów pracy na dużą skalę z Modin.
• Zrozumieć funkcje, architekturę i zalety Modin.
• Znać różnice między Modin, Dask i Ray.
• Szybsze wykonywanie operacji Pandas za pomocą Modin.
• Wdrożenie całego interfejsu API i funkcji Pandas.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi i inżynierów oprogramowania, którzy chcą używać Random Forest do tworzenia algorytmów uczenia maszynowego dla dużych zbiorów danych.

Pod koniec tego szkolenia uczestnicy będą mogli

• Skonfigurować niezbędne środowisko programistyczne, aby rozpocząć budowanie modeli uczenia maszynowego za pomocą Random forest.
• Zrozumieć zalety Random Forest i jak go wdrożyć w celu rozwiązania problemów związanych z klasyfikacją i regresją.
• Dowiedzieć się, jak radzić sobie z dużymi zbiorami danych i interpretować wiele drzew decyzyjnych w Random Forest.
• Ocena i optymalizacja wydajności modelu uczenia maszynowego poprzez dostrajanie hiperparametrów.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla średnio zaawansowanych analityków danych, którzy chcą dowiedzieć się, jak używać RapidMiner do szacowania i prognozowania wartości oraz wykorzystywania narzędzi analitycznych do prognozowania szeregów czasowych.

Pod koniec tego szkolenia uczestnicy będą mogli

• Nauczyć się stosować metodologię CRISP-DM, wybierać odpowiednie algorytmy uczenia maszynowego oraz ulepszać konstrukcję i wydajność modelu.
• Używać RapidMiner do szacowania i prognozowania wartości oraz wykorzystywać narzędzia analityczne do prognozowania szeregów czasowych.

RapidMiner to platforma oprogramowania do nauki o danych typu open source do szybkiego prototypowania i rozwoju aplikacji. Obejmuje zintegrowane środowisko do przygotowywania danych, uczenia maszynowego, głębokiego uczenia, eksploracji tekstu i analizy predykcyjnej.

W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak korzystać z RapidMiner Studio do przygotowywania danych, uczenia maszynowego i wdrażania modeli predykcyjnych.

Pod koniec tego szkolenia uczestnicy będą mogli

• Zainstalować i skonfigurować RapidMiner
• Przygotowywać i wizualizować dane za pomocą RapidMiner
• Walidować modele uczenia maszynowego
• Mashup danych i tworzenie modeli predykcyjnych
• Operacjonalizować analitykę predykcyjną w ramach procesu biznesowego
• Rozwiązywanie problemów i optymalizacja RapidMiner

Odbiorcy

• Naukowcy zajmujący się danymi
• Inżynierowie
• Programiści

Format kursu

• Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka praktyczna

Uwaga

• Aby poprosić o niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi i programistów, którzy chcą używać RAPIDS do tworzenia GPU przyspieszonych potoków danych, przepływów pracy i wizualizacji, stosując algorytmy uczenia maszynowego, takie jak XGBoost, cuML itp.

Pod koniec tego szkolenia uczestnicy będą w stanie

• Skonfigurować niezbędne środowisko programistyczne do tworzenia modeli danych za pomocą NVIDIA RAPIDS.
• Zrozumieć funkcje, komponenty i zalety RAPIDS.
• Wykorzystać GPU do przyspieszenia kompleksowych potoków danych i analiz.
• Wdrożenie akcelerowanego przez GPU przygotowywania danych i ETL za pomocą cuDF i Apache Arrow.
• Dowiedz się, jak wykonywać zadania uczenia maszynowego za pomocą algorytmów XGBoost i cuML.
• Twórz wizualizacje danych i wykonuj analizę wykresów za pomocą cuXfilter i cuGraph.