Build your ultimate AI agent
รายละเอียดคอร์ส
ในฐานะนักวิทยาศาสตร์ข้อมูลหรือวิทยาศาสตร์การเรียนรู้ของเครื่อง การสร้างโมเดลการเรียนรู้ของเครื่องที่ทรงพลังนั้นขึ้นอยู่กับชุดของไฮเปอร์พารามิเตอร์ที่ใช้เป็นอย่างมาก แต่เมื่อโมเดลมีความซับซ้อนมากขึ้นและมีตัวเลือกมากมาย คุณจะค้นหาการตั้งค่าที่ดีที่สุดสำหรับปัญหาเฉพาะของคุณได้อย่างมีประสิทธิภาพได้อย่างไร? คำตอบคือการปรับแต่งไฮเปอร์พารามิเตอร์!
เรียนรู้ความแตกต่างระหว่างไฮเปอร์พารามิเตอร์และพารามิเตอร์ รวมถึงแนวทางปฏิบัติที่ดีที่สุดในการตั้งค่าและวิเคราะห์ค่าไฮเปอร์พารามิเตอร์ หลักสูตรพื้นฐานนี้จะช่วยเตรียมคุณให้เข้าใจความสำคัญของไฮเปอร์พารามิเตอร์ในโมเดลแมชชีนเลิร์นนิง
คุณจะได้รู้จักกับ Random Search และเรียนรู้ถึงข้อได้เปรียบเหนือ Grid Search เช่น ประสิทธิภาพในพื้นที่พารามิเตอร์ขนาดใหญ่
เทคนิคการค้นหาแบบมีข้อมูลเหล่านี้ถูกสาธิตผ่านตัวอย่างเชิงปฏิบัติ ช่วยให้คุณเปรียบเทียบและเห็นความแตกต่างระหว่างเทคนิคเหล่านี้กับวิธีการค้นหาแบบไม่มีข้อมูลได้อย่างชัดเจน เมื่อจบหลักสูตร คุณจะมีความเข้าใจอย่างครอบคลุมเกี่ยวกับวิธีการปรับแต่งไฮเปอร์พารามิเตอร์อย่างมีประสิทธิภาพเพื่อเพิ่มประสิทธิภาพของโมเดล.
ไฮเปอร์พารามิเตอร์ vs. พารามิเตอร์
รับประสบการณ์เชิงปฏิบัติในการใช้วิธีการต่างๆ สำหรับการปรับจูนไฮเปอร์พารามิเตอร์แบบอัตโนมัติใน Python ด้วย Scikit-Learnเรียนรู้ความแตกต่างระหว่างไฮเปอร์พารามิเตอร์และพารามิเตอร์ รวมถึงแนวทางปฏิบัติที่ดีที่สุดในการตั้งค่าและวิเคราะห์ค่าไฮเปอร์พารามิเตอร์ หลักสูตรพื้นฐานนี้จะช่วยเตรียมคุณให้เข้าใจความสำคัญของไฮเปอร์พารามิเตอร์ในโมเดลแมชชีนเลิร์นนิง
การค้นหาแบบกริด
เรียนรู้เทคนิคการปรับแต่งไฮเปอร์พารามิเตอร์หลายวิธี เริ่มต้นด้วยการค้นหาแบบกริด ใช้ข้อมูลการผิดนัดชำระหนี้บัตรเครดิต คุณจะได้ฝึกทำ Grid Search เพื่อค้นหาชุดค่าพารามิเตอร์ไฮเปอร์ที่ดีที่สุดอย่างละเอียดถี่ถ้วน และตีความผลลัพธ์ที่ได้คุณจะได้รู้จักกับ Random Search และเรียนรู้ถึงข้อได้เปรียบเหนือ Grid Search เช่น ประสิทธิภาพในพื้นที่พารามิเตอร์ขนาดใหญ่
การค้นหาอย่างมีข้อมูล
ในส่วนสุดท้ายของหลักสูตร คุณจะได้สำรวจวิธีการเพิ่มประสิทธิภาพขั้นสูง เช่น อัลกอริทึมแบบเบย์เซียนและอัลกอริทึมพันธุกรรมเทคนิคการค้นหาแบบมีข้อมูลเหล่านี้ถูกสาธิตผ่านตัวอย่างเชิงปฏิบัติ ช่วยให้คุณเปรียบเทียบและเห็นความแตกต่างระหว่างเทคนิคเหล่านี้กับวิธีการค้นหาแบบไม่มีข้อมูลได้อย่างชัดเจน เมื่อจบหลักสูตร คุณจะมีความเข้าใจอย่างครอบคลุมเกี่ยวกับวิธีการปรับแต่งไฮเปอร์พารามิเตอร์อย่างมีประสิทธิภาพเพื่อเพิ่มประสิทธิภาพของโมเดล.
ข้อกำหนดเบื้องต้น
หลักสูตร
โครงสร้างคอร์ส
1
Hyperparameter และ Parameter
ในบทแนะนำนี้ จะได้เรียนรู้ความแตกต่างระหว่าง hyperparameter และ parameter รวมถึงฝึกดึงข้อมูลและวิเคราะห์ parameter ตลอดจนตั้งค่า hyperparameter สำหรับอัลกอริทึม machine learning ยอดนิยมหลายรูปแบบ นอกจากนี้ยังจะได้เรียนรู้เทคนิคและแนวปฏิบัติที่ดีในการเลือก hyperparameter ที่ควรปรับแต่ง พร้อมสร้าง learning curve เพื่อวิเคราะห์ผลการเลือก hyperparameter ของคุณ
- บทนำและ 'Parameters'50 XP
- พารามิเตอร์ใน Logistic Regression50 XP
- การดึงค่าพารามิเตอร์ของ Logistic Regression100 XP
- การดึง parameter จาก Random Forest100 XP
- แนะนำ Hyperparameter50 XP
- Hyperparameter ใน Random Forest50 XP
- สำรวจ Hyperparameter ของ Random Forest100 XP
- Hyperparameters ของ KNN100 XP
- การตั้งค่าและวิเคราะห์ค่า Hyperparameter50 XP
- การเลือก Hyperparameter แบบอัตโนมัติ100 XP
- การสร้าง Learning Curves100 XP
2
Grid Search
บทนี้จะแนะนำวิธีการปรับ hyperparameter แบบอัตโนมัติที่ได้รับความนิยม ซึ่งเรียกว่า Grid Search โดยจะได้เรียนรู้ว่ามันคืออะไร ทำงานอย่างไร และฝึกทำ Grid Search โดยใช้ Scikit-Learn จากนั้นจะได้เรียนรู้วิธีวิเคราะห์ผลลัพธ์ที่ได้จาก Grid Search พร้อมฝึกปฏิบัติจริง
3
Random Search
ในบทนี้ จะได้รู้จักกับวิธีการปรับ hyperparameter แบบอัตโนมัติอีกรูปแบบหนึ่งที่ได้รับความนิยม เรียกว่า Random Search โดยจะได้เรียนรู้ว่ามันคืออะไร ทำงานอย่างไร และที่สำคัญคือแตกต่างจาก Grid Search อย่างไร รวมถึงข้อดีและข้อเสียของวิธีนี้ และสถานการณ์ที่ควรเลือกใช้แทน Grid Search จะได้ฝึกทำ Random Search ด้วย Scikit-Learn พร้อมกับการแสดงผลและตีความผลลัพธ์ที่ได้
4
Informed Search
ในบทสุดท้ายนี้ จะได้สัมผัสกับวิธีการปรับ hyperparameter ขั้นสูงที่เรียกว่า 'informed search' ซึ่งรวมถึงวิธีการ Coarse to Fine รวมถึงอัลกอริทึม Bayesian และอัลกอริทึมเชิงพันธุกรรม (Genetic Algorithms) จะได้เรียนรู้ว่า informed search แตกต่างจาก uninformed search อย่างไร และได้ฝึกทักษะจริงกับแต่ละวิธีที่กล่าวถึง พร้อมเปรียบเทียบข้อดีข้อเสียของแต่ละแนวทางไปพร้อมกัน
การปรับ Hyperparameter ใน Python
เรียนจบแล้ว
