Auto-Keras - automatyczne uczenie maszynowe

Dlaczego warto wybrać to szkolenie?

Auto-Keras demokratyzuje deep learning, automatyzując najbardziej czasochłonny proces projektowania architektury sieci neuronowej i strojenia hiperparametrów - zadania, które tradycyjnie wymagają miesięcy eksperymentów i głębokiej wiedzy eksperckiej. Dwudniowe warsztaty wprowadzają programistów Python i inżynierów ML w świat AutoML dla deep learning - od architektury Auto-Keras opartej na Neural Architecture Search i integracji z ekosystemem Keras/TensorFlow, przez przygotowanie danych i definiowanie zadań (klasyfikacja obrazów, tekstu, regresja, structured data), strategie wyszukiwania architektury i optymalizację hiperparametrów, aż po mechanizmy transfer learning, regularyzację i eksport modeli do formatu produkcyjnego. Uczestnicy poznają przestrzeń przeszukiwania architektur, metody Bayesian optimization i reinforcement learning w NAS, techniki augmentacji danych specyficzne dla zadań, zarządzanie budżetem obliczeniowym podczas wyszukiwania oraz integrację wytrenowanych modeli z systemami produkcyjnymi przez TensorFlow Serving lub ONNX. Program obejmuje praktyczne przypadki - od klasyfikacji obrazów medycznych, przez analizę sentymentu tekstu, aż po predykcję na danych tabelarycznych. To szkolenie dla programistów Python, data scientists i inżynierów ML, którzy chcą przyśpieszyć proces tworzenia modeli deep learning z wykorzystaniem automatyzacji.

Co wyróżnia nasze podejście?

W EITT, organizacji z portfolio 2500+ szkoleń i zespołem 500+ ekspertów AI/ML, przekazujemy wiedzę praktyczną opartą na rzeczywistych projektach deep learning dla healthcare, fintech i e-commerce. Nasze warsztaty Auto-Keras prowadzone są przez inżynierów ML z doświadczeniem w automatyzacji pipelines modelowania. Uczestnicy pracują na rzeczywistych zbiorach danych, konfigurują Auto-Keras dla różnych zadań, porównują wyniki z manualnymi architekturami oraz eksportują modele do deploymentu produkcyjnego. Po szkoleniu zapewniamy dostęp do przykładowych notebooków, pre-configured pipelines oraz wsparcie w implementacji AutoML w projektach deep learning.