După ce am parcurs aceste cursuri, mă simt încrezător să creez vizualizări și tablouri de bord profesionale
Shoebur RahmanSpecialist în achiziții, Giz Bangladesh
Descrierea cursului
Pentru multe probleme de învățare automată, nu este suficient să rulezi un model din start și să obții o predicție; vrei cel mai bun model, cu cea mai precisă predicție. O modalitate de a-ți perfecționa modelul este ajustarea hiperparametrilor, adică optimizarea setărilor specifice acelui model. În acest curs, vei lucra cu pachetele caret, mlr și h2o pentru a găsi combinația optimă de hiperparametri într-un mod eficient, folosind căutare în grilă, căutare aleatorie, reesantionare adaptivă și învățare automată automatizată (AutoML). În plus, vei lucra cu seturi de date diferite și vei ajusta diverse modele de învățare supravegheată, precum păduri aleatoare, mașini de gradient boosting, mașini cu vectori suport și chiar rețele neuronale. Pregătește-te să ajustezi!
Cerințe prealabile
Programă
Planul cursului
1
Introducere în hiperparametri
De ce folosim termenul ciudat „hiperparametru"? Ce îl face „hiper"? Aici vei înțelege ce sunt parametrii unui model și de ce sunt diferiți de hiperparametri în învățarea automată. Vei vedea apoi de ce am vrea să îi ajustăm și cum configurația implicită a pachetului caret include automat ajustarea hiperparametrilor.
- Parametri vs hiperparametri50 XP
- Parametrii modelului vs. hiperparametrii100 XP
- Hiperparametri în modelele liniare50 XP
- Care sunt coeficienții?100 XP
- Recapitulare a noțiunilor de bază din machine learning50 XP
- Învățare automată cu caret100 XP
- Scheme de reeșantionare50 XP
- Reglarea hiperparametrilor în caret50 XP
- Hiperparametrii în Stochastic Gradient Boosting50 XP
- Modificarea numărului de hiperparametri de optimizat100 XP
- Ajustează manual hiperparametrii100 XP
2
Ajustarea hiperparametrilor cu caret
În acest capitol vei învăța cum să ajustezi hiperparametrii folosind o grilă carteziană. Apoi vei implementa abordări mai rapide și mai eficiente. Vei folosi căutarea aleatorie și reesantionarea adaptivă pentru a ajusta grila de parametri, concentrându-te pe valorile din vecinătatea setărilor optime.
3
Ajustarea hiperparametrilor cu mlr
Aici vei folosi un alt pachet pentru învățare automată, care pune la dispoziție funcții foarte convenabile de ajustare a hiperparametrilor. Vei defini o grilă carteziană sau vei efectua o căutare aleatorie, precum și tehnici avansate. Vei învăța, de asemenea, diferite modalități de a reprezenta grafic și de a evalua modele cu hiperparametri diferiți.
4
Ajustarea hiperparametrilor cu h2o
În acest capitol final vei folosi h2o, un alt pachet pentru învățare automată cu funcții foarte convenabile de ajustare a hiperparametrilor. Îl vei utiliza pentru a antrena modele diferite și a defini o grilă carteziană. Apoi vei implementa o căutare aleatorie cu criterii de oprire. În final, vei învăța AutoML, o interfață h2o care permite ajustarea rapidă și convenabilă a modelelor și hiperparametrilor printr-o singură funcție.
R
Ajustarea hiperparametrilor în R
Curs
finalizat
