Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in fortgeschrittene Machine Learning-Modelle
- Übersicht über komplexe Modelle: Random Forest, Gradient Boosting, Neural Networks
- Wann fortgeschrittene Modelle verwendet werden sollten: Best Practices und Anwendungsfälle
- Einführung in Ensemble-Lernalgorithmen
Hyperparameter-Einrichtung und Optimierung
- Techniken der Raster- und Zufallsuche
- Automatisieren von Hyperparameter-Einrichtungen mit Google Colab
- Verwendung fortschrittlicher Optimierungstechniken (Bayesian, Genetische Algorithmen)
Neural Networks und Deep Learning
- Erstellen und Trainieren von tiefen neuronalen Netzen
- Transferlernen mit vortrainierten Modellen
- Optimierung von Deep-Learning-Modellen für die Leistungsfähigkeit
Modelldeployment
- Einführung in Strategien des Modelldeployments
- Deployen von Modellen in Cloud-Umgebungen mit Google Colab
- Echtzeit-Inferenz und Batchverarbeitung
Arbeiten mit Google Colab für große Machine Learning-Aufgaben
- Kooperation an Machine-Learning-Projekten in Colab
- Verwendung von Colab für verteiltes Training und GPU/TPU-Acceleration
- Integration mit Cloud-Diensten für skalierbares Modelltraining
Modelldurchschaubarkeit und -erklärbarkeit
- Untersuchung von Techniken der Modelldurchschaubarkeit (LIME, SHAP)
- Erklärbare KI für tiefen neuronale Netze
- Umgang mit Bias und Fairness in Machine-Learning-Modellen
Realworld-Anwendungen und Fallstudien
- Anwendung fortgeschrittener Modelle im Gesundheitswesen, der Finanzbranche und im E-Commerce
- Fallstudien: Erfolgreiche Modelldeploys
- Herausforderungen und zukünftige Trends in der fortschrittlichen KI
Zusammenfassung und nächste Schritte
Voraussetzungen
- Starke Verständnis der maschinellen Lernalgorithmen und -konzepte
- Fertigkeiten in Python Programmierung
- Erfahrung mit Jupyter Notebooks oder Google Colab
Zielgruppe
- Datenwissenschaftler
- Maschinelles Lernen Praktiker
- KI Ingenieure
21 Stunden
Erfahrungsberichte (2)
das ML-Ekosystem, nicht nur MLFlow sondern auch Optuna, Hyperopt, Docker und Docker-Compose
Guillaume GAUTIER - OLEA MEDICAL
Kurs - MLflow
Maschinelle Übersetzung
Ich habe es sehr genossen, an der Kubeflow Ausbildung teilzunehmen, die ferngesteuert durchgeführt wurde. Diese Ausbildung ermöglichte mir, mein Wissen zu AWS-Diensten, K8s und allen devOps-Tools rund um Kubeflow zu festigen, was die notwendige Grundlage ist, um das Thema angemessen anzugehen. Ich möchte Malawski Marcin für seine Geduld und Professionalität bei der Ausbildung sowie für Tipps zur besten Praxis danken. Malawski attackiert das Thema aus verschiedenen Perspektiven, mit unterschiedlichen Bereitstellungstools Ansible, EKS kubectl, Terraform. Jetzt bin ich definitiv überzeugt, dass ich mich auf dem richtigen Anwendungsgebiet befinde.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Kurs - Kubeflow
Maschinelle Übersetzung
