تعداد فزاینده ای از فروشندگان منبع باز و تجاری در تلاش برای خودکارسازی یادگیری ماشینی هستند و رهبران تجزیه و تحلیل باید بدانند که چگونه این امر بر علم داده و یادگیری ماشین در سازمان هایشان تأثیر می گذارد. در این دوره، کیت مک کورمیک، متخصص، مربی و نویسنده یادگیری ماشین، به این موضوع می پردازد که فناوری چه کاری می تواند انجام دهد و چه کاری نمی تواند انجام دهد و سوالات مهمی در مورد ساختار و سازماندهی تیم مطرح می کند. کیت AutoML و چرخه حیات یادگیری ماشینی (ML) را معرفی می کند. او توضیح میدهد که چرا برخی از بخشهای آن چرخه حیات - مانند تعریف مشکل - نمیتوانند خودکار شوند. کیت مراحل چرخه حیات ML را پوشش می دهد، با تمرکز بر اینکه کدام مراحل با موفقیت خودکار شده اند و نیاز به حمایت انسانی دارند. او دقت مدل و ارزیابی کسب و کار را مقایسه می کند، سپس به شما نشان می دهد که چگونه AutoML می تواند در زمان و تلاش شما در نظارت و نگهداری مدل صرفه جویی کند. بهعلاوه، کیت به طیف گستردهای از گزینههای AutoML که در دسترس شما هستند میپردازد و توصیههایی برای ترکیب تیم ارائه میدهد.
داده کاو ، مربی ، سخنران ، نویسنده
کیت مک کورمیک یک کاوشگر اطلاعات ، مربی ، سخنران و نویسنده مستقل است.
کیت در توضیح روشهای پیچیده برای کاربران جدید یا تصمیم گیرندگان در سطوح مختلف از جزئیات فنی مهارت دارد. وی متخصص در مدل های پیش بینی و تجزیه و تحلیل تقسیم بندی از جمله درختان طبقه بندی ، شبکه های عصبی ، مدل خطی کلی ، تجزیه خوشه و قوانین ارتباط است.
نمایش نظرات