Feature Engineering for Machine Learning 교육 과정

H2O AutoML is an artificial intelligence platform that automates the process of building, selecting and optimizing large numbers of machine learning models.

This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use H2O AutoML to automate the process of building and selecting the best machine learning algorithm and parameters.

By the end of this training, participants will be able to:

• Automate the machine learning workflow.
• Automatically train and tune many machine learning models within a specified time range.
• Train stacked ensembles to arrive at highly predictive ensemble models.

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 Auto-sklearn을 사용하여 기계 학습 모델 선택 및 최적화 프로세스를 자동화하려는 기계 학습 실무자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• 매우 효율적인 기계 학습 모델을 훈련하는 프로세스를 자동화합니다.
• 다양한 모델을 선택하고 훈련하고 테스트하는 지루한 작업을 우회하면서 매우 정확한 기계 학습 모델을 구축하세요.
• 머신러닝의 힘을 활용하여 실제 비즈니스 문제를 해결하세요.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 데이터 과학자뿐만 아니라 Auto-Keras을 사용하여 기계 학습 모델 선택 및 최적화 프로세스를 자동화하려는 기술이 부족한 사람들을 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• 매우 효율적인 기계 학습 모델을 훈련하는 프로세스를 자동화합니다.
• 딥 러닝 모델에 가장 적합한 매개변수를 자동으로 검색합니다.
• 매우 정확한 기계 학습 모델을 구축하세요.
• 머신러닝의 힘을 활용하여 실제 비즈니스 문제를 해결하세요.

이 강사가 진행하는 실시간 교육(온라인 또는 현장)은 Stable Diffusion을 활용하여 다양한 사용 사례에 맞는 고품질 이미지를 생성하려는 데이터 과학자, 기계 학습 엔지니어 및 컴퓨터 비전 연구원을 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

Stable Diffusion의 원리와 이것이 이미지 생성에 어떻게 작동하는지 이해합니다. 이미지 생성 작업을 위한 Stable Diffusion 모델을 구축하고 훈련합니다. 인페인팅, 아웃페인팅, 이미지 간 변환 등 다양한 이미지 생성 시나리오에 Stable Diffusion을 적용합니다. Stable Diffusion 모델의 성능과 안정성을 최적화합니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 딥 러닝에 대한 지식과 기술을 확장하고자 하는 중급 및 고급 수준의 데이터 과학자, 기계 학습 엔지니어, 딥 러닝 연구자 및 컴퓨터 비전 전문가를 대상으로 합니다. 텍스트-이미지 생성을 위해.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

텍스트-이미지 생성을 위한 고급 딥 러닝 아키텍처와 기술을 이해합니다. 고품질 이미지 합성을 위해 복잡한 모델과 최적화를 구현합니다. 대규모 데이터세트와 복잡한 모델의 성능과 확장성을 최적화합니다. 더 나은 모델 성능과 일반화를 위해 하이퍼파라미터를 조정합니다. Stable Diffusion을 다른 딥 러닝 프레임워크 및 도구와 통합

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 AlphaFold의 작동 방식을 이해하고 AlphaFold 모델을 실험 연구의 가이드로 사용하려는 생물학자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• AlphaFold의 기본 원리를 이해합니다.
• AlphaFold이 어떻게 작동하는지 알아보세요.
• AlphaFold 예측과 결과를 해석하는 방법을 알아보세요.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 TensorFlow Lite를 사용하여 임베디드 장치에 딥 러닝 모델을 배포하려는 개발자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• 임베디드 장치에 Tensorflow Lite를 설치하고 구성합니다.
• TensorFlow Lite의 기본 개념과 구성 요소를 이해합니다.
• 임베디드 장치에서 실행하기 위해 기존 모델을 TensorFlow Lite 형식으로 변환합니다.
• 소형 장치 및 TensorFlow Lite의 한계 내에서 작업하면서 실행할 수 있는 작업 범위를 확장하는 방법을 알아보세요.
• Linux를 실행하는 임베디드 장치에 딥 러닝 모델을 배포합니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 TensorFlow Lite를 사용하여 딥 러닝 기능이 있는 모바일 애플리케이션을 개발하려는 개발자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• TensorFlow Lite를 설치하고 구성합니다.
• TensorFlow, 머신러닝, 딥러닝의 기본 원리를 이해하세요.
• TensorFlow 모델을 Android 기기에 로드합니다.
• 모바일 애플리케이션에서 컴퓨터 비전 및 자연어 인식과 같은 딥 러닝 및 머신 러닝 기능을 지원합니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 매우 작은 임베디드 장치에서 기계 학습 모델을 작성, 로드 및 실행하려는 엔지니어를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• TensorFlow Lite을 설치합니다.
• 기계 학습 모델을 임베디드 장치에 로드하여 음성 감지, 이미지 분류 등을 수행할 수 있습니다.
• 네트워크 연결에 의존하지 않고 하드웨어 장치에 AI를 추가합니다.

이 강사가 진행하는 실시간 교육(온라인 또는 현장)은 TensorFlow Lite를 사용하여 딥 러닝 기능이 있는 iOS 모바일 애플리케이션을 개발하려는 개발자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• TensorFlow Lite를 설치하고 구성합니다.
• 모바일 장치에서 TensorFlow 및 머신러닝의 기본 원리를 이해합니다.
• TensorFlow 모델을 iOS 기기에 로드합니다.
• 기기의 카메라를 통해 캡처된 객체를 감지하고 분류할 수 있는 iOS 애플리케이션을 실행합니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 Chainer를 사용하여 Python에서 신경망을 구축 및 교육하는 동시에 코드를 쉽게 디버그할 수 있도록 하려는 연구원과 개발자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• 신경망 모델 개발을 시작하는 데 필요한 개발 환경을 설정합니다.
• 이해하기 쉬운 소스 코드를 사용하여 신경망 모델을 정의하고 구현합니다.
• 예시를 실행하고 기존 알고리즘을 수정하여 딥 러닝 훈련 모델을 최적화하는 동시에 고성능을 위해 GPU을 활용합니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 Horovod를 사용하여 분산 딥 러닝 교육을 실행하고 여러 GPU에서 병렬로 실행되도록 확장하려는 개발자 또는 데이터 과학자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• 딥 러닝 교육 실행을 시작하는 데 필요한 개발 환경을 설정합니다.
• TensorFlow, Keras, PyTorch 및 Apache MXNet을 사용하여 모델을 교육하도록 Horovod를 설치하고 구성합니다.
• 여러 GPU에서 실행되도록 Horovod를 사용하여 딥 러닝 훈련을 확장하세요.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 실시간 기계 학습 애플리케이션을 가속화하고 대규모로 배포하려는 데이터 과학자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• OpenVINO 툴킷을 설치합니다.
• FPGA를 사용하여 컴퓨터 비전 애플리케이션을 가속화합니다.
• FPGA에서 다양한 CNN 레이어를 실행하세요.
• Kubernetes 클러스터의 여러 노드에 걸쳐 애플리케이션을 확장합니다.

이 강사가 진행하는 실시간 교육(온라인 또는 현장)은 Apache MXNet을 사용하여 이미지 인식을 위한 딥 러닝 모델을 구축하고 배포하려는 데이터 과학자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• Apache MXNet 및 해당 구성 요소를 설치하고 구성합니다.
• MXNet의 아키텍처와 데이터 구조를 이해합니다.
• Apache MXNet의 저수준 및 고수준 API를 사용하여 신경망을 효율적으로 구축하세요.
• 이미지 분류를 위한 컨벌루션 신경망을 구축합니다.

강사가 진행하는 이 대한민국 실시간 교육(온라인 또는 현장)은 딥 러닝 모델을 이미지 인식 애플리케이션에 적용하려는 기술 인력을 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• Keras을 설치하고 구성합니다.
• 딥 러닝 모델의 프로토타입을 빠르게 제작하세요.
• 컨벌루션 네트워크를 구현합니다.
• 순환 네트워크를 구현합니다.
• CPU와 GPU 모두에서 딥 러닝 모델을 실행합니다.