Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Kerangka Materi
Pengenalan
- Membangun algoritma yang efektif dalam pengenalan pola, klasifikasi, dan regresi.
Menyusun Lingkungan Pengembangan
- Perpustakaan Python
- Editor online vs offline
Tinjauan tentang Feature Engineering
- Variabel input dan output (fitur)
- Keuntungan dan kerugian dari feature engineering
Jenis Masalah yang Ditemui dalam Data Mentah
- Data yang tidak bersih, data yang hilang, dll.
Pemrosesan Variabel
- Menangani data yang hilang
Menangani Nilai yang Hilang dalam Data
Bekerja dengan Variabel Kategori
Mengonversi Label menjadi Angka
Menangani Label dalam Variabel Kategori
Mentransformasi Variabel untuk Meningkatkan Kemampuan Prediktif
- Numerik, kategori, tanggal, dll.
Membersihkan Set Data
Pemodelan Machine Learning
Menangani Outlier dalam Data
- Variabel numerik, variabel kategori, dll.
Ringkasan dan Kesimpulan
Persyaratan
- Pengalaman pemrograman Python.
- Pengalaman dengan Numpy, Pandas dan scikit-learn.
- Kenal dengan algoritma Machine Learning.
Peserta
- Pengembang
- Ilmuwan data
- Analis data
14 Jam
Testimoni (2)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Kursus - 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.
