Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
Pengantar Model Lanjutan Machine Learning
- Tinjauan umum model kompleks: Random Forests, Peningkatan Gradien, Neural Networks
- Kapan menggunakan model lanjutan: Praktik terbaik dan kasus penggunaan
- Pengenalan teknik pembelajaran ensemble
Penyetelan dan Optimasi Hiperparameter
- Teknik pencarian grid dan pencarian acak
- Mengotomatiskan penyetelan hiperparameter dengan Google Colab
- Menggunakan teknik optimasi tingkat lanjut (Bayesian, Algoritma Genetika)
Neural Networks dan Deep Learning
- Membangun dan melatih jaringan saraf dalam
- Pembelajaran transfer dengan model yang telah dilatih sebelumnya
- Mengoptimalkan model pembelajaran mendalam untuk kinerja
Penerapan Model
- Pengantar strategi penerapan model
- Menerapkan model di lingkungan cloud menggunakan Google Colab
- Inferensi waktu nyata dan pemrosesan batch
Bekerja dengan Google Colab untuk Skala Besar Machine Learning
- Berkolaborasi pada proyek pembelajaran mesin di Colab
- Menggunakan Colab untuk pelatihan terdistribusi dan akselerasi GPU/TPU
- Integrasi dengan layanan cloud untuk pelatihan model yang dapat diskalakan
Kemampuan Interpretasi dan Penjelasan Model
- Menjelajahi teknik interpretabilitas model (LIME, SHAP)
- AI yang dapat dijelaskan untuk model pembelajaran mendalam
- Menangani bias dan keadilan dalam model pembelajaran mesin
Aplikasi Dunia Nyata dan Studi Kasus
- Menerapkan model canggih dalam perawatan kesehatan, keuangan, dan e-commerce
- Studi kasus: Penerapan model yang berhasil
- Tantangan dan tren masa depan dalam pembelajaran mesin tingkat lanjut
Ringkasan dan Langkah Berikutnya
Requirements
- Pemahaman yang kuat tentang algoritma dan konsep pembelajaran mesin
- Kemampuan dalam Python pemrograman
- Pengalaman dengan Jupyter Notebooks atau Google Colab
Hadirin
- Ilmuwan data
- Praktisi pembelajaran mesin
- Insinyur AI
21 Hours
Testimonials (2)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Course - 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.
