Obrigado por enviar sua consulta! Um dos membros da nossa equipe entrará em contato com você em breve.
Obrigado por enviar sua reserva! Um dos membros da nossa equipe entrará em contato com você em breve.
Programa do Curso
Ajuste e Otimização de Hiperparâmetros
Introdução a Modelos Avançados Machine Learning
Implantação do Modelo
Interpretabilidade e Explicação de Modelos
Neural Networks e Deep Learning
Aplicações no Mundo Real e Estudos de Caso
Resumo e Próximos Passos
Trabalhando com Google Colab para Modelos em Escala Grande Machine Learning
- Aplicação de modelos avançados na saúde, finanças e comércio eletrônico
- Estudos de caso: Implantações bem-sucedidas de modelos
- Desafios e tendências futuras em aprendizado de máquina avançado
- Construção e treinamento de redes neurais profundas
- Transferência de aprendizagem com modelos pré-treinados
- Otimização de modelos de deep learning para desempenho
- Colaboração em projetos de aprendizado de máquina no Colab
- Usando o Colab para treinamento distribuído e aceleração GPU/TPU
- Integração com serviços em nuvem para treinamento de modelos escaláveis
- Exploração de técnicas de interpretabilidade de modelo (LIME, SHAP)
- IA explicável para modelos de deep learning
- Lidando com viés e equidade em modelos de aprendizado de máquina
- Técnicas de busca em grade e pesquisa aleatória
- Automatizando o ajuste de hiperparâmetros com Google Colab
- Usando técnicas avançadas de otimização (Bayesiana, Algoritmos Genéticos)
- Introdução a estratégias de implantação de modelo
- Implantação de modelos em ambientes na nuvem usando Google Colab
- Inferência em tempo real e processamento por lote
- Visão geral de modelos complexos: Random Forests, Aprendizado Gradiente Acumulado, Neural Networks
- Quando usar modelos avançados: Práticas recomendadas e casos de uso
- Introdução a técnicas de aprendizado em conjunto
Requisitos
Público-Alvo
- Cientistas de dados
- Praticantes de aprendizado de máquina
- Engenheiros de IA
- Compreensão sólida dos algoritmos e conceitos de aprendizado de máquina
- Proficiência em Python programação
- Experiência com Jupyter Notebooks ou Google Colab
21 Horas
Declaração de Clientes (2)
o ecossistema de ML não se limita ao MLFlow, mas também inclui o Optuna, hyperopt, Docker e docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Curso - MLflow
Máquina Traduzida
Aproveitei a participação no treinamento Kubeflow, que foi realizado remotamente. Esse treinamento me permitiu consolidar meu conhecimento sobre serviços AWS, K8s e todas as ferramentas DevOps relacionadas ao Kubeflow, que são as bases necessárias para abordar o assunto de forma adequada. Gostaria de agradecer Malawski Marcin por sua paciência e profissionalismo no treinamento e nas dicas sobre práticas recomendadas. Malawski aborda o tema sob diferentes ângulos, com diferentes ferramentas de implantação Ansible, EKS kubectl, Terraform. Agora estou definitivamente convencido de que estou entrando na área correta de aplicação.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Curso - Kubeflow
Máquina Traduzida
