Praktisk maskininlärning med Python
I verkligheten är data sällan städad och lätt att tolka. I den här kursen lär vi oss att skapa så goda förutsättningar som möjligt för maskininlärning i praktiken och hur vi kan ta en modell från teori till en driftsatt värdeskapande lösning.
Lektionsplan
Del 1: Verklighetens begränsingar
Feature engineering
Data-augmentering och obalanserad data
Del 2: Din första driftsatta modell
Bildklassifikation med CNN
Hyperparameteroptimering
Visualisering av modellens inre
Driftsättning av modell med AWS
Driftsättning av modell med AWS fort.
Förkunskapskrav
Djup maskininlärning med Python
Nödvändig utrustning
PC med Windows 10 eller Linux, alternativt Mac (skall tillhandahållas av kursdeltagaren)
Omfattning
Varje lektion tar ca. 2 h och ges via videogruppsamtal.
Till varje lektion hör övningar som normalt tar 4-8h att lösa. Övningshandledning finns tillgänglig på svenska och engelska via videosamtal med skärmdelning.
Anmälan ditt intresse till academy@bitaddict.se*. I din intresseanmälan är det viktigt att du skriver kursens namn, planerat startdatum, ditt fullständiga namn och personnummer samt e-postadress och telefonnummer som du önskar bli kontaktad på.
Varmt välkommen!
*För att kursen skall genomföras krävs ett visst minimum av deltagare.