Bizi tercih ettiğiniz için teşekkür ederiz. Ekip üyelerimiz en kısa sürede sizlerle iletişime geçecektir.
Rezervasyonunuzu gönderdiğiniz için teşekkür ederiz! Ekibimizden bir yetkili kısa süre içinde sizinle iletişime geçecektir.
Eğitim İçeriği
Giriş ve Ortam Kurulumu
- AutoML nedir ve neden önemli?
- Python ve R ortamlarının kurulumu
- Uzaktan masaüstü ve bulut ortamlarının yapılandırılması
AutoML Özelliklerini Keşfetme
- AutoML çerçevelerinin temel yetenekleri
- Hiperparametre optimizasyonu ve arama stratejileri
- AutoML çıktılarını ve günlük dosyalarını yorumlama
AutoML Nasıl Algoritmalar Seçer?
- Gradient Boosting Machines (GBMs), Rastgele Ormanlar, GLMs
- Sinir ağları ve derin öğrenme arka planları
- Dengesizlikler: doğruluk vs. yorumlanabilirlik vs. maliyet
Veri Hazırlama ve Ön İşleme
- Sayısal ve kategorik verilerle çalışmak
- Özellik mühendisliği ve kodlama stratejileri
- Eksik değerleri ve veri dengesizliklerini yönetmek
Farklı Veri Tipleri için AutoML
- Tablo verisi (H2O AutoML, auto-sklearn, TPOT)
- Zaman serisi verisi (tahminleme ve sıralı modelleme)
- Metin ve NLP görevleri (sınıflandırma, duyarlılık analizi)
- Görüntü sınıflandırması ve bilgisayarlı görüş (Auto-Keras, TensorFlow, PyTorch)
Model Dağıtım ve İzleme
- AutoML modellerinin dışa aktarılması ve dağıtılması
- Gerçek zamanlı tahmin için ardışık düzenler oluşturma
- Model sapması izleme ve yeniden eğitim stratejileri
Ensemblasyon ve İleri Konular
- AutoML modellerinin stapling ve blending'i
- Gizlilik ve uyumluluk dikkate alınması
- Büyük ölçekli AutoML için maliyet optimizasyonu
Sorun Giderme ve Vaka Çalışmaları
- Sık karşılaşılan hatalar ve nasıl düzeltilirleri
- AutoML model performansını yorumlama
- Endüstri uygulama alanlarından vaka çalışmaları
Özet ve Sonraki Adımlar
Kurs İçin Gerekli Önbilgiler
- Makine öğrenme algoritmalarıyla deneyim
- Python veya R programlama deneyimi
Hedef Kitle
- Veri analistleri
- Veri bilimcileri
- Veri mühendisleri
- Geliştiriciler
14 Saat
