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
Pengoptimalan dan Penyetasan Hyperparameter
Pendahuluan ke Model Machine Learning Lanjutan
Deploy Model
Interpretasi dan Penjelasan Model
Neural Networks dan Deep Learning
Aplikasi Dunia Nyata dan Studi Kasus
Ringkasan dan Langkah Berikutnya
Bekerja dengan Google Colab untuk Skala Besar Machine Learning
- Menerapkan model lanjutan di bidang kesehatan, keuangan, dan e-commerce
- Studi kasus: Pemasangan model yang sukses
- Tantangan dan tren masa depan dalam machine learning lanjutan
- Membangun dan melatih jaringan saraf mendalam
- Pembelajaran transfer dengan model yang telah dilatih
- Mengoptimalkan model pembelajaran mendalam untuk kinerja
- Kerjasama pada proyek machine learning di Colab
- Menggunakan Colab untuk pelatihan distribusi dan GPU/TPU percepatan
- Integrasi dengan layanan cloud untuk pelatihan model yang dapat diukur
- Meneliti teknik interpretasi model (LIME, SHAP)
- AI yang dapat dijelaskan untuk model pembelajaran mendalam
- Mengatasi bias dan kesetaraan dalam model machine learning
- Teknik pencarian grid dan random search
- Memperotomatisasi penyetelan hyperparameter dengan Google Colab
- Menggunakan teknik optimisasi lanjutan (Bayesian, Algoritma Genetika)
- Pendahuluan ke strategi pemasangan model
- Mengimplementasikan model di lingkungan cloud menggunakan Google Colab
- Inferensi real-time dan pengolahan batch
- Ringkasan tentang model kompleks: Random Forests, Gradient Boosting, Neural Networks
- Kapan menggunakan model lanjutan: Praktik terbaik dan kasus penggunaan
- Pendahuluan ke teknik pembelajaran ensemble
Requirements
Audience
- Ilmuwan data
- Praktisi pembelajaran mesin
- Insinyur AI
- Pemahaman kuat tentang algoritma dan konsep pembelajaran mesin
- Kemahiran dalam pemrograman Python
- Pengalaman dengan Jupyter Notebooks atau Google Colab
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.
