Struttura del corso
Concetti Avanzati Machine Learning
Progetto Capstone
Introduzione a Machine Learning e Google Colab
Flusso di Lavoro del Progetto Machine Learning
Argomenti Specializzati in Machine Learning
Sintesi e Passaggi Successivi
Supervised Learning con Scikit-learn
Tecniche Unsupervised Learning
- Algoritmi di clustering
- Riduzione della dimensionalità
- Apprendimento delle regole di associazione
- Preelaborazione dei dati
- Selezione del modello
- Deployment del modello
- Definizione della dichiarazione del problema
- Raccolta e pulizia dei dati
- Addestramento e valutazione del modello
- Ingegneria delle caratteristiche
- Regolazione degli iperparametri
- Interpretabilità del modello
- Reti neurali e deep learning
- Macchine a vettori di supporto
- Metodi ensemblistici
- Panoramica dell'apprendimento automatico
- Configurazione di Google Colab
- Ripasso di Python
- Modelli di regressione
- Modelli di classificazione
- Valutazione e ottimizzazione del modello
Requisiti
Pubblico
- Comprenderno i concetti di base della programmazione
- Esperienza con la programmazione Python
- Familiarità con i concetti statistici di base
- Scienziati dei dati
- Sviluppatori software
Recensioni (2)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Corso - 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.