學習網格和隨機搜索、貝葉斯( Bayesian )優化、多保真( multi-fidelity )模型、Optuna、Hyperopt、Scikit-Optimize 等。
Continue reading “機器學習的超參數優化”不平衡資料的機器學習
學習對資料進行過採樣(over-sample )和欠採樣( under-sample )、應用 SMOTE、集成方法( ensemble methods )和成本敏感型學習。
Continue reading “不平衡資料的機器學習”測試和監控機器學習模型的部署
機器學習測試策略、影子部署、營運模型監視等等
Continue reading “測試和監控機器學習模型的部署”機器學習模型的部署學習課程
瞭解如何在營運中整合強大而可靠的機器學習管線( Pipelines )
Continue reading “機器學習模型的部署學習課程”機器學習的特徵工程
學習插補( imputation )、變量編碼( variable encoding )、離散化( discretization )、特徵提取( feature extraction )、如何處理日期時間( datetime )、離群值( outliers )等。
Continue reading “機器學習的特徵工程”機器學習的特徵選擇
對於已有 Python 基礎,熟悉機器學習演算法的人,本課程將帶你從初階到高階,了解如何選擇特徵並建構更簡單、更快速、更可靠的機器學習模型。
Continue reading “機器學習的特徵選擇”