Kerangka Materi
Pengenalan ke Machine Learning dan Google Colab
- Gambaran umum tentang machine learning
- Mengatur Google Colab
- Pengulangan Python
Pembelajaran Terawasi dengan Scikit-learn
- Model regresi
- Model klasifikasi
- Evaluasi dan optimasi model
Teknik Pembelajaran Tidak Terawasi
- Algoritma klustering
- Pengurangan dimensi
- Pembelajaran aturan asosiasi
Konsep Lanjutan dalam Machine Learning
- Jaringan saraf dan pembelajaran mendalam (deep learning)
- Mesin vektor pendukung (support vector machines)
- Metode ensemble
Topik Khusus dalam Machine Learning
- Pemilihan fitur (feature engineering)
- Penyetelan hyperparameter
- Interpretasi model
Alur Kerja Proyek Machine Learning
- Pra-pemrosesan data
- Pemilihan model
- Penyebaran model
Proyek Capstone
- Mendefinisikan pernyataan masalah
- Pengumpulan dan pembersihan data
- Pelatihan dan evaluasi model
Ringkasan dan Langkah Selanjutnya
Persyaratan
- Memahami konsep pemrograman dasar
- Pengalaman dengan pemrograman Python
- Kenyamanan dengan konsep statistik dasar
Audience
- Data scientist
- Pengembang perangkat lunak
Testimoni (2)
ekosistem ML tidak hanya mencakup MLFlow tetapi juga Optuna, hyperops, Docker, dan Docker-Compose
Guillaume GAUTIER - OLEA MEDICAL
Kursus - MLflow
Diterjemahkan Mesin
Saya menikmati partisipasi dalam pelatihan Kubeflow yang diadakan secara jarak jauh. Pelatihan ini memungkinkan saya untuk mengonsolidasikan pengetahuan saya tentang layanan AWS, K8s, dan semua alat devOps di sekitar Kubeflow yang merupakan dasar-dasar yang diperlukan untuk menangani topik tersebut dengan tepat. Saya ingin berterima kasih kepada Malawski Marcin atas kesabaran dan profesionalismenya dalam pelatihan dan saran tentang praktik terbaik. Malawski mendekati topik dari berbagai sudut, menggunakan alat penyebaran yang berbeda seperti Ansible, EKS kubectl, dan Terraform. Sekarang saya yakin bahwa saya sedang masuk ke bidang aplikasi yang tepat.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Kursus - Kubeflow
Diterjemahkan Mesin