AutoML培訓

這種以講師為主導的香港現場現場培訓針對的是希望使用H2O AutoML來自動化構建和選擇最佳機器學習演算法和參數的過程的數據科學家。

在培訓結束時，參與者將能夠：

• 自動執行機器學習工作流。
• 在指定的時間範圍內自動訓練和調優多個機器學習模型。
• 訓練堆疊集成以得出高度預測的集成模型。

這種以講師為主導的香港現場現場培訓針對的是希望使用Auto-sklearn來自動化選擇和優化機器學習模型過程的機器學習從業者。

在培訓結束時，參與者將能夠：

• 自動執行訓練高效機器學習模型的過程。
• 構建高度準確的機器學習模型，同時繞過選擇、訓練和測試不同模型等更繁瑣的任務。
• 利用機器學習的強大功能解決實際業務問題。

這種以講師為主導的香港現場培訓（現場或遠端）針對的是數據科學家以及希望使用Auto-Keras來自動化選擇和優化機器學習模型過程的技術人員。

在培訓結束時，參與者將能夠：

• 自動執行訓練高效機器學習模型的過程。
• 自動搜索深度學習模型的最佳參數。
• 構建高度準確的機器學習模型。
• 利用機器學習的強大功能解決實際業務問題。

這種以講師為主導的香港現場現場培訓面向數據科學家，數據分析師和開發人員，他們希望探索AutoML產品和功能，以最小的努力創建和部署自定義ML訓練模型。

在培訓結束時，參與者將能夠：

• 探索 AutoML 產品線，為各種數據類型實現不同的服務。
• 準備和標記數據集以創建自定義 ML 模型。
• 訓練和管理模型，以生成準確、公平的機器學習模型。
• 使用經過訓練的模型進行預測，以滿足業務目標和需求。

本課程是為經理、解決方案架構師、創新官、首席技術官、軟體架構師以及任何對應用人工智慧概述及其發展的最新預測感興趣的人創建的。

本培訓課程面向希望在實際應用中應用基本Machine Learning技術的人員。

聽眾

熟悉機器學習並熟悉如何編程的數據科學家和統計學家。本課程的重點是數據/模型準備，執行，事後分析和可視化的實際方面。目的是向有興趣在工作中應用這些方法的參與者提供機器學習的實用介紹

行業特定示例用於使培訓與受眾相關。

本培訓課程面向希望在實際應用中應用Machine Learning人員。

聽眾

本課程適用於對統計學有一定了解並且知道如何編寫R（或Python或其他選定語言）的數據科學家和統計學家。本課程的重點是數據/模型準備，執行，事後分析和可視化的實踐方面。

目的是為有興趣在工作中應用這些方法的參與者提供Machine Learning實際應用。

行業特定示例用於使培訓與受眾相關。

本課程的目的是提供在實踐中應用Machine Learning方法的基本熟練程度。通過使用Python編程語言及其各種庫，並基於大量實際示例，本課程教授如何使用Machine Learning最重要的構建塊，如何制定數據建模決策，解釋算法的輸出和驗證結果。

我們的目標是讓您自信地理解和使用Machine Learning工具箱中最基本的工具，並避免Data Science應用程序的常見缺陷。

人工神經網絡是一種計算數據模型，用於開發能夠執行“智能”任務的Artificial Intelligence (AI)系統。 Neural Networks通常用於Machine Learning （ML）應用程序，它們本身就是AI的一種實現。 Deep Learning是ML的一個子集。

本課程將理論和實踐工作相結合，並在整個活動中使用的具體示例。

本課程介紹機器人應用中的機器學習方法。

它概述了模式識別背景下的現有方法，動機和主要思想。

在簡短的理論背景之後，參與者將使用開源（通常為R）或任何其他流行軟件進行簡單的練習。

本課程的目的是提供在實踐中應用Machine Learning方法的基本熟練程度。通過使用Scala編程語言及其各種庫，並基於大量實際示例，本課程教授如何使用Machine Learning最重要的構建塊，如何制定數據建模決策，解釋算法的輸出和驗證結果。

我們的目標是讓您自信地理解和使用Machine Learning工具箱中最基本的工具，並避免Data Science應用程序的常見缺陷。