After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kurs Açıklaması
Birçok Machine Learning probleminde, modeli doğrudan çalıştırıp bir tahmin almak yeterli değildir; en doğru tahmini yapan en iyi modeli istersin. Modelini mükemmelleştirmenin bir yolu hiperparametre ayarlamasıdır; bu da o modele özgü ayarların optimize edilmesi demektir. Bu kursta, caret, mlr ve h2o paketleriyle ızgara araması (grid search), rastgele arama (random search), uyarlamalı yeniden örnekleme (adaptive resampling) ve otomatik Machine Learning (AutoML) kullanarak hiperparametrelerin en iyi kombinasyonunu verimli şekilde bulacaksın. Ayrıca farklı veri kümeleriyle çalışacak ve rastgele ormanlar, gradient boosting makineleri, destek vektör makineleri ve hatta sinir ağları gibi farklı gözetimli öğrenme modellerini ayarlayacaksın. Hazır ol, ayarlamaya başlıyoruz!
Ön Koşullar
Müfredat
Kurs içeriği
1
Hiperparametrelere giriş
Neden "hyperparameter" gibi tuhaf bir kelime kullanıyoruz? Onu “hiper” yapan ne? Burada model parametrelerinin ne olduğunu ve Machine Learning’de hiperparametrelerden neden farklı olduklarını anlayacaksın. Sonrasında neden bunları ayarlamak isteyeceğimizi ve caret'in varsayılan ayarının otomatik olarak hiperparametre ayarlamasını nasıl içerdiğini göreceksin.
- Parametreler ve hiperparametreler50 XP
- Model parametreleri ve hiperparametreler100 XP
- Doğrusal modellerde hiperparametreler50 XP
- Katsayılar neler?100 XP
- Machine Learning temellerine kısa bir bakış50 XP
- caret ile Machine Learning100 XP
- Yeniden örnekleme şemaları50 XP
- caret ile hiperparametre ayarlama50 XP
- Stochastic Gradient Boosting’de Hiperparametreler50 XP
- Ayarlanacak hiperparametre sayısını değiştirme100 XP
- Hiperparametreleri elle ayarla100 XP
2
caret ile hiperparametre ayarlama
Bu bölümde, Kartezyen bir ızgara ile hiperparametreleri nasıl ayarlayacağını öğreneceksin. Ardından daha hızlı ve verimli yaklaşımlar uygulayacaksın. En iyi ayarların yakın çevresindeki değerlere odaklanacak şekilde, parametre ızgarasını ayarlamak için Random Search ve uyarlamalı yeniden örnekleme kullanacaksın.
3
mlr ile hiperparametre ayarlama
Burada, hiperparametre ayarlama işlevleri çok kullanışlı olan başka bir Machine Learning paketini kullanacaksın. Bir Kartezyen ızgara tanımlayacak veya Random Search yapacak, ayrıca ileri teknikler uygulayacaksın. Farklı hiperparametrelerle modelleri çizmenin ve değerlendirmenin farklı yollarını da öğreneceksin.
4
h2o ile hiperparametre ayarlama
Bu son bölümde, hiperparametre ayarlama işlevleri çok kullanışlı olan bir başka Machine Learning paketi h2o'yu kullanacaksın. Farklı modelleri eğitmek ve bir Kartezyen ızgara tanımlamak için onu kullanacaksın. Ardından, durdurma ölçütleri kullanarak bir Random Search uygulayacaksın. Son olarak, tek bir işlevle çok hızlı ve pratik model ve hiperparametre ayarlaması sağlayan bir h2o arayüzü olan AutoML'yi öğreneceksin.
R
R'de Hiperparametre Ayarlama
Kurs
Tamamlandı
