دوره آموزشی راهنمای اجرایی برای AutoML

تعداد فزاینده‌ای از فروشندگان منبع باز و تجاری تلاش می‌کنند تا یادگیری ماشینی را خودکار کنند و رهبران تجزیه و تحلیل باید بدانند که چگونه این امر بر علم داده و یادگیری ماشین در سازمان‌هایشان تأثیر می‌گذارد. 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. به علاوه، کیت به طیف گسترده ای از گزینه های AutoML که در دسترس شما هستند می پردازد و توصیه هایی را برای ترکیب تیم ارائه می دهد.