Obrigado por enviar sua consulta! Um dos membros da nossa equipe entrará em contato com você em breve.
Obrigado por enviar sua reserva! Um dos membros da nossa equipe entrará em contato com você em breve.
Programa do Curso
Introdução aos modelos avançados Machine Learning
- Visão geral dos modelos complexos: Random Forests, Gradient Boosting, Neural Networks
- Quando utilizar modelos avançados: Melhores práticas e casos de utilização
- Introdução às técnicas de aprendizagem em conjunto
Afinação e otimização de hiperparâmetros
- Pesquisa em grelha e técnicas de pesquisa aleatória
- Automatização da afinação de hiperparâmetros com o Google Colab
- Utilização de técnicas avançadas de otimização (Bayesiana, Algoritmos Genéticos)
Neural Networks e Deep Learning
- Construção e treino de redes neuronais profundas
- Transferir aprendizagem com modelos pré-treinados
- Otimização de modelos de aprendizagem profunda para desempenho
Implantação de modelos
- Introdução às estratégias de implantação de modelos
- Implantação de modelos em ambientes de nuvem usando Google Colab
- Inferência em tempo real e processamento em lote
Trabalhar com o Google Colab para grande escala Machine Learning
- Colaboração em projectos de aprendizagem automática em Colab
- Utilizar Colab para formação distribuída e aceleração de GPU/TPU
- Integração com serviços de nuvem para formação de modelos escaláveis
Interpretabilidade e explicabilidade do modelo
- Explorar técnicas de interpretabilidade de modelos (LIME, SHAP)
- IA explicável para modelos de aprendizagem profunda
- Lidar com preconceitos e equidade em modelos de aprendizagem automática
Aplicações do mundo real e estudos de caso
- Aplicação de modelos avançados nos cuidados de saúde, finanças e comércio eletrónico
- Estudos de caso: Implementações de modelos bem sucedidas
- Desafios e tendências futuras na aprendizagem automática avançada
Resumo e próximos passos
Requisitos
- Forte compreensão dos algoritmos e conceitos de aprendizagem automática
- Proficiência em Python programação
- Experiência com Jupyter Notebooks ou Google Colab
Público-alvo
- Cientistas de dados
- Profissionais de aprendizagem automática
- Engenheiros de IA
21 Horas
Declaração de Clientes (2)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Curso - 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.
