Kursbeschreibung
Maschinelles Lernen ist ein fortschrittliches und beliebtes Gebiet in Wissenschaft und Mathematik. Der Aufbau eines guten Modells für maschinelles Lernen ist ein iterativer Prozess, der etwas mühsam sein kann. Der Aufwand für die Erstellung eines genauen und robusten Modells ist nicht trivial. Das Trainieren und Optimieren von Modellen, das Abstimmen von Parametern und das Auswählen der wichtigsten und wertvollsten Merkmale können langwierige und komplizierte Aufgaben sein. Ich werde mich mit der Abstimmung von Hyperparametern mit Auto Animals befassen, insbesondere im Hinblick auf die Modellauswahl unter Verwendung der Bayesschen Optimierung. Wir werden uns mit der Reduzierung der Anzahl von Merkmalen beschäftigen, um eine Klassifizierung durchzuführen. In diesem MATLAB-Modul erfahren Sie, wie MATLAB mit AutoML für maschinelles Lernen (ML) eingesetzt werden kann.
Nach Abschluss dieses Moduls werden Sie in der Lage sein, das Gelernte auf jedes Projekt oder jede Aufgabe anzuwenden, die maschinelles Lernen beinhaltet. Es kann in der Privatwirtschaft, bei Behörden und sogar in der Wissenschaft hilfreich sein. Darüber hinaus können Sie das Gelernte auf alle persönlichen oder privaten Projekte anwenden, an denen Sie gerade arbeiten, z. B. ein intelligentes Haus oder ein intelligentes Heimsystem.
Was Sie lernen werden
- Verstehen Sie, wie MATLAB für Machine Learning verwendet werden kann
- Erklären Sie die Bedeutung von Daten und Merkmalen im Machine Learning
- Definieren Sie das Konzept des Hyperparameter-Tunings
- Wenden Sie automatisches Machine Learning (AutoML) in MATLAB an
- Führen Sie Merkmalsauswahl durch, um die Anzahl der Merkmale zur Klassifizierung zu reduzieren
- Verwenden Sie Bayessche Optimierung für die Modellauswahl während des Hyperparameter-Tunings
Wichtige Erkenntnisse
- Das Aufbau eines guten Machine-Learning-Modells ist ein iterativer Prozess, der erhebliche Anstrengungen erfordert, um ein Modell genau und robust zu machen.
- Training und Optimierung von Modellen, Parametertuning und die Auswahl wertvoller Merkmale können mühsame und komplizierte Aufgaben sein.
- MATLAB kann für Machine Learning durch AutoML verwendet werden, einschließlich Hyperparameter-Tuning und Modellauswahl mit Bayesscher Optimierung.
- Die Reduzierung der Anzahl der Merkmale durch Merkmalsauswahl kann für die Klassifizierung verwendet werden.
- Die in diesem Modul erworbenen Fähigkeiten können auf Projekte im privaten Sektor, Regierung, Akademie und persönliche Projekte wie ein intelligentes Heimsystem angewendet werden.
Häufig gestellte Fragen
Was werden Sie in diesem MATLAB-Machine-Learning-Kurs lernen?
Sie werden entdecken, wie MATLAB für Machine Learning mit AutoML verwendet werden kann, die Bedeutung von Daten und Merkmalen kennenlernen und das Konzept des Hyperparameter-Tunings verstehen, einschließlich Modellauswahl mit Bayesscher Optimierung und Merkmalsauswahl für die Klassifizierung.
Welche Themen behandelt dieses Modul?
Das Modul behandelt automatisches Machine Learning in MATLAB (AutoML), Merkmalsauswahl und Hyperparameter-Tuning.
Wo kann ich anwenden, was ich in diesem Kurs lernen?
Nach Abschluss des Moduls können Sie das Gelernte auf jedes Projekt oder jede Aufgabe anwenden, die Machine Learning beinhaltet, auch im privaten Sektor, Regierung, Akademie und persönlichen oder Wohnprojekten wie ein intelligentes Heimsystem.
Welche Fähigkeiten entwickelt dieser Kurs?
Dieser Kurs hilft beim Entwickeln von Fähigkeiten in automatisiertem Machine Learning, Google AutoML, Machine Learning, Machine-Learning-Algorithmen, Machine-Learning-Methoden und MATLAB.
