XGBoost for Gradient Boosting 교육 과정
XGBoost은 결정 나무 기반 집합 Machine Learning 알고리즘입니다. 그것은 그림과 텍스트와 같은 구조화되지 않은 데이터를 포함하는 예측 문제를 해결하기 위해 그라디언 부팅 프레임 워크를 사용합니다. Gradient boosting은 또한 테이블 데이터 세트의 효율적인 모델링을위한 인기있는 기술입니다.
이 강사가 이끄는 라이브 훈련 (온라인 또는 온라인)은 XGBoost를 사용하여 효율적으로 회복, 분류, 순위 및 예측 문제를 해결하는 모델을 구축하고자하는 데이터 과학자들을 대상으로합니다.
이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 :
- 설치 및 설정 XGBoost.
- 결정 나무와 논리적 회복과 우연한 숲과 같은 다른 알고리즘 사이의 관계를 이해하십시오.
- 다양한 도서관을 테스트하여 직업을위한 최선을 결정합니다.
- 알고리즘을위한 올바른 구성을 선택합니다.
- 특정 데이터 세트에 대한 알고리즘의 하이퍼 매개 변수를 표시합니다.
- 복잡성, 설명 가능성 및 구현의 쉬움과 힘을 균형 잡는 기계 학습 솔루션을 구현합니다.
코스의 형식
- 인터랙티브 강의 및 토론
- 많은 연습과 연습이 있습니다.
- 라이브 실험실 환경에서 핸드-온 구현.
코스 Customization 옵션
- 이 과정에 대한 사용자 지정 훈련을 요청하려면 저희에게 연락하여 배치하십시오.
Course Outline
소개
- 인공 신경망과 의사 결정 트리 기반 알고리즘
XGBoost 기능 개요
- 그라디언트 부스팅 알고리즘의 Element
- 계산 속도와 모델 성능에 중점을 둡니다.
- XGBoost 대 로지스틱 회귀, Random Forest 및 표준 그래디언트 부스팅
트리 기반 알고리즘의 진화
- 결정 트리, 배깅, Random Forest, 부스팅, 그래디언트 부스팅
- 시스템 최적화
- 알고리즘 개선
환경 준비
- SciPy 및 scikit-learn 설치
XGBoost 모델 생성
- 데이터 세트 다운로드
- 일반적인 분류 문제 해결
- 분류를 위한 XGBoost 모델 학습
- 일반적인 회귀 작업 해결
성능 모니터링
- 성과 평가 및 보고
- 조기 중단
중요도에 따른 특징 그리기
- 특성 중요도 계산
- 유지하거나 삭제할 입력 변수 결정
그라데이션 부스팅 구성
- 학습 및 검증 데이터 세트에 대한 학습 곡선 검토
- 학습률 조정
- 나무 수 조정
초매개변수 조정
- XGBoost 모델의 성능 개선
- 초매개변수 조정을 위한 통제된 실험 설계
- Search매개변수 조합
파이프라인 생성
- XGBoost 모델을 엔드투엔드 기계 학습 파이프라인에 통합
- 파이프라인 내에서 하이퍼파라미터 튜닝
- 고급 전처리 기술
문제 해결
요약 및 결론
Requirements
- 머신러닝 모델 작성 경험
청중
- 데이터 과학자
- 머신러닝 엔지니어
Open Training Courses require 5+ participants.
XGBoost for Gradient Boosting 교육 과정 - Booking
XGBoost for Gradient Boosting 교육 과정 - Enquiry
XGBoost for Gradient Boosting - Consultancy Enquiry
Upcoming Courses
Related Courses
DataRobot
7 Hours대한민국에서 강사가 진행하는 이 실시간 교육(온라인 또는 현장)은 DataRobot의 머신 러닝 기능을 사용하여 예측 모델을 자동화, 평가 및 관리하려는 데이터 과학자와 데이터 분석가를 대상으로 합니다.
이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.
- DataRobot에 데이터 세트를 로드하여 데이터를 분석, 평가 및 품질 확인합니다.
- 중요한 변수를 식별하고 예측 목표를 달성하기 위한 모델을 구축하고 훈련합니다.
- 모델을 해석하여 비즈니스 결정에 유용한 귀중한 통찰력을 얻습니다.
- 최적화된 예측 성능을 유지하기 위해 모델을 모니터링하고 관리합니다.
H2O AutoML
14 Hours대한민국에서 강사가 진행하는 이 실시간 교육(온라인 또는 현장)은 H2O AutoML을 사용하여 최상의 머신 러닝 알고리즘과 매개변수를 구축하고 선택하는 프로세스를 자동화하려는 데이터 과학자를 대상으로 합니다.
이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.
- 머신 러닝 워크플로를 자동화합니다.
- 지정된 시간 범위 내에서 많은 머신 러닝 모델을 자동으로 훈련하고 조정합니다.
- 스택형 앙상블을 훈련하여 예측 가능성이 높은 앙상블 모델을 도출합니다.
AutoML with Auto-sklearn
14 Hours대한민국에서 강사가 진행하는 이 실시간 교육(온라인 또는 현장)은 Auto-sklearn을 사용하여 머신 러닝 모델을 선택하고 최적화하는 과정을 자동화하려는 머신 러닝 실무자를 대상으로 합니다.
이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.
- 고효율 머신 러닝 모델의 훈련 과정을 자동화합니다.
- 다양한 모델을 선택하고, 훈련하고, 테스트하는 지루한 작업을 생략하면서 정확도가 높은 머신 러닝 모델을 구축합니다.
- 머신러닝의 힘을 활용해 실제 비즈니스 문제를 해결하세요.
AutoML with Auto-Keras
14 Hours대한민국에서 강사가 진행하는 이 실시간 교육(온라인 또는 현장)은 Auto-Keras을 사용하여 머신 러닝 모델을 선택하고 최적화하는 과정을 자동화하려는 데이터 과학자는 물론 기술 수준이 낮은 사람을 대상으로 합니다.
이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.
- 고효율 머신 러닝 모델의 훈련 과정을 자동화합니다.
- 딥 러닝 모델에 가장 적합한 매개변수를 자동으로 검색합니다.
- 정확도가 높은 머신러닝 모델을 구축합니다.
- 머신러닝의 힘을 활용해 실제 비즈니스 문제를 해결하세요.
Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation
21 Hours대한민국에서 강사가 진행하는 이 실시간 교육(온라인 또는 현장)은 텍스트-이미지 생성을 위한 딥 러닝에 대한 지식과 기술을 확장하고자 하는 중급에서 고급 수준의 데이터 과학자, 머신 러닝 엔지니어, 딥 러닝 연구자 및 컴퓨터 비전 전문가를 대상으로 합니다.
이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.
- 텍스트-이미지 생성을 위한 고급 딥 러닝 아키텍처와 기술을 이해합니다.
- 고품질 이미지 합성을 위해 복잡한 모델과 최적화를 구현합니다.
- 대규모 데이터 세트와 복잡한 모델에 대한 성능과 확장성을 최적화합니다.
- 더 나은 모델 성능과 일반화를 위해 하이퍼파라미터를 조정합니다.
- Stable Diffusion을 다른 딥러닝 프레임워크 및 도구와 통합
Introduction to Stable Diffusion for Text-to-Image Generation
21 Hours이 강사 주도의 실시간 교육(온라인 또는 현장)은 다양한 사용 사례에 대해 고품질 이미지를 생성하기 위해 Stable Diffusion을 활용하고자 하는 데이터 과학자, 머신 러닝 엔지니어 및 컴퓨터 비전 연구자를 대상으로 합니다.
이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.
- Stable Diffusion의 원리와 이미지 생성에 있어서 이것이 어떻게 작동하는지 이해하세요.
- Stable Diffusion개의 이미지 생성 작업을 위한 모델을 구축하고 학습합니다.
- Stable Diffusion을 인페인팅, 아웃페인팅, 이미지 간 변환과 같은 다양한 이미지 생성 시나리오에 적용합니다.
- Stable Diffusion 모델의 성능과 안정성을 최적화합니다.
AlphaFold
7 Hours대한민국에서 강사가 진행하는 이 실시간 교육(온라인 또는 현장)은 AlphaFold의 작동 방식을 이해하고 실험 연구의 가이드로 AlphaFold 모델을 사용하려는 생물학자를 대상으로 합니다.
이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.
- AlphaFold의 기본 원리를 이해하세요.
- AlphaFold의 작동 방식을 알아보세요.
- AlphaFold 예측 및 결과를 해석하는 방법을 알아보세요.
Edge AI with TensorFlow Lite
14 Hours대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 TensorFlow Lite for Edge AI 애플리케이션을 활용하려는 중급 개발자, 데이터 과학자 및 AI 실무자를 대상으로 합니다.
이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.
- TensorFlow Lite의 기본 사항과 Edge AI에서의 역할을 이해합니다.
- TensorFlow Lite를 사용하여 AI 모델을 개발하고 최적화합니다.
- 다양한 에지 장치에 TensorFlow Lite 모델을 배포합니다.
- 모델 변환 및 최적화를 위한 도구와 기술을 활용합니다.
- TensorFlow Lite를 사용하여 실용적인 Edge AI 애플리케이션을 구현합니다.
TensorFlow Lite for Embedded Linux
21 Hours대한민국에서 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.
TensorFlow Lite for Android
21 Hours대한민국에서 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.
TensorFlow Lite for iOS
21 Hours이 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.
Tensorflow Lite for Microcontrollers
21 Hours대한민국에서 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.
Deep Learning Neural Networks with Chainer
14 Hours대한민국에서 강사가 진행하는 이 실시간 교육(온라인 또는 현장)은 Chainer을 사용하여 Python에서 신경망을 구축하고 교육하고 동시에 코드를 쉽게 디버깅하려는 연구원 및 개발자를 대상으로 합니다.
이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.
- 신경망 모델 개발을 시작하는 데 필요한 개발 환경을 설정합니다.
- 이해하기 쉬운 소스 코드를 사용하여 신경망 모델을 정의하고 구현합니다.
- 고성능을 위해 GPU을 활용하면서 딥 러닝 학습 모델을 최적화하기 위해 예제를 실행하고 기존 알고리즘을 수정합니다.
Distributed Deep Learning with Horovod
7 Hours대한민국에서 강사가 진행하는 이 실시간 교육(온라인 또는 현장)은 Horovod를 사용하여 분산 딥 러닝 교육을 실행하고 이를 여러 GPU에 걸쳐 병렬로 실행하도록 확장하려는 개발자 또는 데이터 과학자를 대상으로 합니다.
이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.
- 딥 러닝 훈련을 시작하기 위해 필요한 개발 환경을 설정합니다.
- TensorFlow, Keras, PyTorch 및 Apache MXNet을 사용하여 모델을 학습하기 위해 Horovod를 설치하고 구성합니다.
- Horovod를 사용하여 여러 GPU에서 실행되도록 딥 러닝 학습 훈련을 확장합니다.
Accelerating Deep Learning with FPGA and OpenVINO
35 Hours대한민국에서 강사가 진행하는 이 실시간 교육(온라인 또는 현장)은 실시간 머신 러닝 애플리케이션을 가속화하고 대규모로 배포하려는 데이터 과학자를 대상으로 합니다.
이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.
- OpenVINO 툴킷을 설치하세요.
- FPGA를 사용하여 컴퓨터 비전 애플리케이션을 가속화합니다.
- FPGA에서 다양한 CNN 레이어를 실행합니다.
- Kubernetes 클러스터의 여러 노드에 걸쳐 애플리케이션을 확장합니다.