Cursos de XGBoost for Gradient Boosting
XGBoost é um conjunto baseado em árvore de decisão Machine Learning algoritmo. Ele usa um quadro de reforço gradiente para resolver problemas de previsão envolvendo dados não estruturados, como imagens e texto. O boosting de graduação também é uma técnica popular para modelar eficientemente os conjuntos de dados tabulares.
Este treinamento ao vivo liderado por instrutores (online ou on-site) é dirigido a cientistas de dados que desejam usar o XGBoost para construir modelos que resolvam eficientemente problemas de regressão, classificação, classificação e previsão.
No final do curso, os participantes poderão:
- Instale e configure XGBoost.
- Compreenda a relação entre árvores de decisão e outros algoritmos como regressão logística e floresta aleatória.
- Teste diferentes bibliotecas para determinar o melhor para o trabalho.
- Escolha a configuração certa para um algoritmo.
- Tone os hiperparâmetros de um algoritmo para um determinado conjunto de dados.
- Implementar uma solução de aprendizagem de máquina que equilibra o poder com a complexidade, a explicação e a facilidade de implementação.
O formato do curso
- Interação e discussão interativa.
- Muitos exercícios e práticas.
- Implementação de mão em um ambiente de laboratório ao vivo.
Opções de Customização
- Para solicitar uma formação personalizada para este curso, por favor contacte-nos para organizar.
Programa do Curso
Introdução
- Redes neuronais artificiais versus algoritmos baseados em árvores de decisão
Visão geral das características do XGBoost
- Elementos de um algoritmo Gradient Boosting
- Foco na velocidade de computação e no desempenho do modelo
- XGBoost vs Regressão Logística, Random Forest, e Gradient Boosting padrão
A evolução dos algoritmos baseados em árvores
- Árvores de decisão, Bagging, Random Forest, Boosting, Gradient Boosting
- Otimização do sistema
- Melhorias algorítmicas
Preparar o ambiente
- Instalação de SciPy e scikit-learn
Criar um modelo XGBoost
- Descarregar um conjunto de dados
- Resolvendo um problema comum de classificação
- Treinar o modelo XGBoost para classificação
- Resolver uma tarefa de regressão comum
Monitorização do desempenho
- Avaliação e comunicação do desempenho
- Paragem precoce
Traçar características por importância
- Cálculo da importância das características
- Decidir que variáveis de entrada devem ser mantidas ou descartadas
Configuração do Gradient Boosting
- Rever as curvas de aprendizagem nos conjuntos de dados de treino e validação
- Ajustar a taxa de aprendizagem
- Ajustar o número de árvores
Afinação de hiperparâmetros
- Melhorar o desempenho de um modelo XGBoost
- Conceber uma experiência controlada para ajustar os hiperparâmetros
- [Combinações de parâmetros
Criar um pipeline
- Incorporação de um modelo XGBoost em um pipeline de aprendizado de máquina de ponta a ponta
- Ajuste de hiperparâmetros dentro do pipeline
- Técnicas avançadas de pré-processamento
Resolução de problemas
Resumo e conclusão
Requisitos
- Experiência na redação de modelos de aprendizagem automática
Público
- Cientistas de dados
- Engenheiros de aprendizagem automática
Need help picking the right course?
Cursos de XGBoost for Gradient Boosting - Booking
Cursos de XGBoost for Gradient Boosting - Enquiry
XGBoost for Gradient Boosting - Solicitação de Consultoria
Upcoming Courses
Cursos Relacionados
H2O AutoML
14 horasEste treinamento ao vivo conduzido por instrutor em Portugal (online ou no local) é destinado a cientistas de dados que desejam usar H2O AutoML para automatizar o processo de construção e seleção do melhor algoritmo e parâmetros de aprendizado de máquina.
No final desta formação, os participantes serão capazes de
- Automatize o fluxo de trabalho de aprendizado de máquina.
- Treine e ajuste automaticamente muitos modelos de aprendizado de máquina dentro de um intervalo de tempo especificado.
- Treine conjuntos empilhados para chegar a modelos de conjuntos altamente preditivos.
AutoML with Auto-sklearn
14 horasEste treinamento ao vivo conduzido por instrutor em Portugal (online ou no local) é destinado a profissionais de aprendizado de máquina que desejam usar Auto-sklearn para automatizar o processo de seleção e otimização de um modelo de aprendizado de máquina.
No final desta formação, os participantes serão capazes de
- Automatize o processo de treinamento de modelos de aprendizado de máquina altamente eficientes.
- Construa modelos de aprendizado de máquina altamente precisos, ignorando as tarefas mais tediosas de selecionar, treinar e testar diferentes modelos.
- Utilize o poder do aprendizado de máquina para resolver problemas de negócios do mundo real.
AutoML with Auto-Keras
14 horasEste treinamento ao vivo conduzido por instrutor em Portugal (no local ou remoto) é destinado a cientistas de dados, bem como a pessoas menos técnicas que desejam usar o Auto-Keras para automatizar o processo de seleção e otimização de um modelo de aprendizado de máquina.
No final desta formação, os participantes serão capazes de
- Automatize o processo de treinamento de modelos de aprendizado de máquina altamente eficientes.
- Procure automaticamente os melhores parâmetros para modelos de aprendizagem profunda.
- Criar modelos de aprendizado de máquina altamente precisos.
- Use o poder do aprendizado de máquina para resolver problemas de negócios do mundo real.
Introduction to Stable Diffusion for Text-to-Image Generation
21 horasEsta formação ao vivo orientada por um instrutor (no local ou remoto) destina-se a cientistas de dados, engenheiros de aprendizagem automática e investigadores de visão computacional que pretendam tirar partido de Stable Diffusion para gerar imagens de alta qualidade para uma variedade de casos de utilização.
No final desta formação, os participantes serão capazes de
-
Compreender os princípios de Stable Diffusion e como funciona para a geração de imagens.
Construir e treinar modelos Stable Diffusion para tarefas de geração de imagens.
Aplicar Stable Diffusion a vários cenários de geração de imagens, como inpainting, outpainting e tradução de imagem para imagem.
Otimizar o desempenho e a estabilidade dos modelos Stable Diffusion.
Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation
21 horasEste treinamento ao vivo ministrado por instrutor em Portugal (no local ou remoto) é destinado a cientistas de dados de nível intermediário a avançado, engenheiros de aprendizado de máquina, pesquisadores de aprendizado profundo e especialistas em visão computacional que desejam expandir seus conhecimentos e habilidades em aprendizado profundo. para geração de texto para imagem.
Ao final deste treinamento, os participantes serão capazes de:
- Compreenda arquiteturas e técnicas avançadas de aprendizagem profunda para geração de texto em imagem. Implemente modelos complexos e otimizações para síntese de imagens de alta qualidade. Otimize o desempenho e a escalabilidade para grandes conjuntos de dados e modelos complexos. Ajuste hiperparâmetros para melhor desempenho e generalização do modelo. Integre Stable Diffusion com outras estruturas e ferramentas de aprendizagem profunda
AlphaFold
7 horasEsta formação ao vivo orientada por um instrutor em Portugal (online ou no local) destina-se a biólogos que desejam compreender o funcionamento de AlphaFold e utilizar modelos de AlphaFold como guias nos seus estudos experimentais.
No final desta formação, os participantes serão capazes de
- Compreender os princípios básicos de AlphaFold.
- Aprender como AlphaFold funciona.
- Aprender a interpretar as previsões e resultados de AlphaFold.
TensorFlow Lite for Embedded Linux
21 horasEste treinamento ao vivo conduzido por instrutor em Portugal (online ou no local) é destinado a desenvolvedores que desejam usar TensorFlow Lite para implantar modelos de aprendizado profundo em dispositivos incorporados.
No final desta formação, os participantes serão capazes de
- Instalar e configurar o Tensorflow Lite em um dispositivo incorporado.
- Compreender os conceitos e componentes subjacentes a TensorFlow Lite.
- Converter modelos existentes para o formato TensorFlow Lite para execução em dispositivos incorporados.
- Trabalhar dentro das limitações de dispositivos pequenos e TensorFlow Lite, enquanto aprende a expandir o escopo das operações que podem ser executadas.
- Implantar um modelo de aprendizado profundo em um dispositivo incorporado executando Linux.
TensorFlow Lite for Android
21 horasEste treinamento ao vivo conduzido por instrutor em Portugal (online ou no local) é destinado a desenvolvedores que desejam usar TensorFlow Lite para desenvolver aplicativos móveis com recursos de aprendizado profundo.
No final desta formação, os participantes serão capazes de
- Instalar e configurar TensorFlow Lite.
- Compreender os princípios por trás do TensorFlow, aprendizado de máquina e aprendizado profundo.
- Carregar modelos do TensorFlow em um dispositivo Android.
- Habilitar funcionalidades de aprendizado profundo e aprendizado de máquina, como visão computacional e reconhecimento de linguagem natural em um aplicativo móvel.
Tensorflow Lite for Microcontrollers
21 horasEste treinamento ao vivo conduzido por instrutor em Portugal (online ou no local) é destinado a engenheiros que desejam escrever, carregar e executar modelos de aprendizado de máquina em dispositivos incorporados muito pequenos.
No final desta formação, os participantes serão capazes de
- Instalar TensorFlow Lite.
- Carregar modelos de aprendizado de máquina em um dispositivo incorporado para permitir que ele detecte fala, classifique imagens, etc.
- Adicionar IA a dispositivos de hardware sem depender de conetividade de rede.
TensorFlow Lite for iOS
21 horasEste treinamento ao vivo conduzido por instrutor (no local ou remoto) é destinado a desenvolvedores que desejam usar TensorFlow Lite para desenvolver aplicativos móveis iOS com recursos de aprendizado profundo.
No final desta formação, os participantes serão capazes de
- Instalar e configurar TensorFlow Lite.
- Compreender os princípios por trás do TensorFlow e do aprendizado de máquina em dispositivos móveis.
- Carregar modelos do TensorFlow em um dispositivo iOS.
- Executar um aplicativo iOS capaz de detetar e classificar um objeto capturado através da câmera do dispositivo's.
Edge AI with TensorFlow Lite
14 horasEste treinamento ao vivo conduzido por instrutor em Portugal (no local ou remoto) é destinado a desenvolvedores de nível intermediário, cientistas de dados e profissionais de IA que desejam aproveitar o TensorFlow Lite para aplicativos Edge AI.
No final deste treinamento, os participantes serão capazes de:
- Entenda os fundamentos do TensorFlow Lite e seu papel no Edge AI.
- Desenvolver e otimizar modelos de IA usando TensorFlow Lite.
- Implantar modelos TensorFlow Lite em vários dispositivos de borda.
- Utilizar ferramentas e técnicas para conversão e otimização de modelos.
- Implementar aplicativos práticos de IA de borda usando o TensorFlow Lite.
Optimizing AI Models for Edge Devices
14 horasEste treinamento ao vivo conduzido por instrutor em Portugal (no local ou remoto) é destinado a desenvolvedores de IA de nível intermediário, engenheiros de aprendizado de máquina e arquitetos de sistema que desejam otimizar modelos de IA para implantação de borda.
Ao final deste treinamento, os participantes serão capazes de:
- Entenda os desafios e os requisitos da implantação de modelos de IA em dispositivos de borda.
- Aplique técnicas de compressão de modelo para reduzir o tamanho e a complexidade dos modelos de IA.
- Utilize métodos de quantização para melhorar a eficiência do modelo no hardware de borda.
- Implementar a poda e outras técnicas de otimização para melhorar o desempenho do modelo.
- Implementar modelos de IA optimizados em vários dispositivos de ponta.
Edge AI in Industrial Automation
14 horasEste treinamento ao vivo conduzido por instrutor em Portugal (no local ou remoto) é destinado a engenheiros industriais de nível intermediário, profissionais de manufatura e desenvolvedores de IA que desejam implementar soluções Edge AI em automação industrial.
Ao final deste treinamento, os participantes serão capazes de:
- Entenda o papel da Edge AI na automação industrial.
- Implementar soluções de manutenção preditiva usando o Edge AI.
- Aplique técnicas de IA para controle de qualidade nos processos de fabricação.
- Otimize os processos industriais usando o Edge AI.
- Implantar e gerenciar soluções Edge AI em ambientes industriais.
Edge AI for Financial Services
14 horasEste treinamento ao vivo conduzido por instrutor em Portugal (no local ou remoto) é destinado a profissionais de finanças de nível intermediário, desenvolvedores de fintech e especialistas em IA que desejam implementar soluções Edge AI em serviços financeiros.
Ao final deste treinamento, os participantes serão capazes de:
- Entenda o papel da Edge AI nos serviços financeiros.
- Implemente sistemas de deteção de fraude usando o Edge AI.
- Melhore o atendimento ao cliente por meio de soluções orientadas por IA.
- Aplique o Edge AI para gerenciamento de riscos e tomada de decisões.
- Implantar e gerenciar soluções Edge AI em ambientes financeiros.
Deep Learning Neural Networks with Chainer
14 horasEste treinamento ao vivo conduzido por instrutor em Portugal (online ou no local) é destinado a pesquisadores e desenvolvedores que desejam usar o Chainer para construir e treinar redes neurais em Python, tornando o código fácil de depurar.
No final desta formação, os participantes serão capazes de
- Configurar o ambiente de desenvolvimento necessário para começar a desenvolver modelos de redes neurais.
- Definir e implementar modelos de redes neurais usando um código-fonte compreensível.
- Executar exemplos e modificar algoritmos existentes para otimizar modelos de treinamento de aprendizado profundo, aproveitando GPUs para alto desempenho.