راهنمای اجرایی AutoML

مدرس Keith McCormick

انتشار 2023/04/03

مدت زمان 1h 2m

سطح مناسب همه

فایل تمرینی دارد

آموزش Executive Guide to AutoML

تعداد فزاینده‌ای از فروشندگان منبع باز و تجاری در تلاش برای خودکارسازی یادگیری ماشینی (ML) هستند، و رهبران تجزیه و تحلیل باید بدانند که چگونه این امر بر علم داده و یادگیری ماشین در سازمان‌هایشان تأثیر می‌گذارد. در این دوره، کیت مک کورمیک، متخصص، مربی و نویسنده یادگیری ماشین، به آنچه که AutoML می‌تواند و نمی‌تواند انجام دهد، می‌پردازد و سؤالات مهمی در مورد ساختار و سازماندهی تیم مطرح می‌کند.

Artificial Intelligence (AI) Automated Machine Learning (AutoML)

Introduction

How AutoML is changing analytics teams ()

What you should know? ()

1. Introducing AutoML

What is AutoML? ()

Understanding supervised machine learning on structured data ()

Data engineering and ML Ops ()

Understanding the ML lifecycle ()

The challenge of ML problem definition ()

2. Stages in the ML Lifecycle

Which phases have been automated most successfully? ()

The challenge of automating data understanding ()

What AutoML can and can't do during data prep ()

AutoML's capabilities during the modeling phase ()

Comparing model accuracy and business evaluation ()

Monitoring and maintaining models ()

3. AutoML Options

The AutoML vendor landscape ()

Demonstrating AutoML with KNIME ()

A metaphor for AutoML ()

Advice for team composition ()

Conclusion

Next steps ()

Executive_Guide_to_AutoML.zip (26 KB)

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.

مسیرهای یادگیری آموزش راهنمای اجرایی AutoML

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش Executive Guide to AutoML در 1 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

این مسیر یادگیری به مدیران و رهبران تجزیه و تحلیل داده ها مهارت های اساسی در مدل سازی پیش بینی کننده، یادگیری ماشینی انسان در حلقه، AutoML، تخمین ROI و حاشیه نویسی داده ها را می آموزد. تصمیم گیری آگاهانه با استفاده از داده ها را بیاموزید و در مورد استقرار، نظارت و نگهداری مدل ها راهنمایی عملی دریافت کنید. این دوره ها برای مدیران اجرایی، تحلیلگران ارشد و دانشمندان داده است که به دنبال افزایش مهارت های داده خود هستند.

آموزش راهنمای اجرایی AutoML ، ایستگاه شماره 4 در مسیر یادگیری Masterpath در رهبری تجزیه و تحلیل برای مدیران ، است.