Description du cours
L'apprentissage automatique est un domaine avancé et populaire en sciences et en mathématiques. Le processus de construction d'un bon modèle d'apprentissage automatique est itératif et peut être quelque peu fastidieux. L'effort requis pour construire un modèle précis et robuste n'est pas négligeable. La formation et l'optimisation des modèles, le réglage des paramètres et la sélection des fonctionnalités essentielles et précieuses peuvent être des tâches fastidieuses et compliquées à réaliser. Je vais passer en revue le réglage des hyperparamètres avec des animaux automatiques, en particulier en ce qui concerne la sélection de modèles à l'aide de l'optimisation bayésienne. Nous verrons comment réduire le nombre de fonctionnalités afin d'effectuer une classification. Dans ce module MATLAB, vous découvrirez comment MATLAB peut être utilisé pour l'apprentissage automatique (ML) dans MATLAB en utilisant AutoML.
Après avoir terminé ce module, vous serez en mesure d'appliquer ce que vous avez appris à n'importe quel projet ou tâche impliquant l'apprentissage automatique. Cela peut être utile dans le secteur privé, le gouvernement et même le milieu universitaire. De plus, il peut être appliqué à tous les projets personnels ou domestiques sur lesquels vous travaillez, tels qu'une maison intelligente ou un système de maison intelligente.
Ce que vous allez apprendre
- Comprendre comment MATLAB peut être utilisé pour l'apprentissage automatique
- Expliquer l'importance des données et des caractéristiques dans l'apprentissage automatique
- Définir le concept de réglage des hyperparamètres
- Appliquer l'apprentissage automatique automatisé (AutoML) dans MATLAB
- Effectuer une sélection de caractéristiques pour réduire le nombre de caractéristiques pour la classification
- Utiliser l'optimisation bayésienne pour la sélection de modèles pendant le réglage des hyperparamètres
Points clés à retenir
- Construire un bon modèle d'apprentissage automatique est un processus itératif qui nécessite un effort non négligeable pour rendre un modèle précis et robuste.
- La formation et l'optimisation de modèles, le réglage de paramètres et la sélection de caractéristiques utiles peuvent être des tâches fastidieuses et compliquées.
- MATLAB peut être utilisé pour effectuer de l'apprentissage automatique via AutoML, y compris le réglage des hyperparamètres et la sélection de modèles avec l'optimisation bayésienne.
- La réduction du nombre de caractéristiques grâce à la sélection de caractéristiques peut être utilisée pour effectuer une classification.
- Les compétences acquises dans ce module peuvent être appliquées à des projets dans le secteur privé, au gouvernement, dans le milieu universitaire et à des projets personnels tels qu'un système de maison intelligente.
Foire aux questions
Que vais-je apprendre dans ce cours d'apprentissage automatique avec MATLAB ?
Vous découvrirez comment MATLAB peut être utilisé pour l'apprentissage automatique à l'aide d'AutoML, apprendrez l'importance des données et des caractéristiques, et comprendrez le concept de réglage des hyperparamètres, y compris la sélection de modèles à l'aide de l'optimisation bayésienne et la sélection de caractéristiques pour la classification.
Quels sujets ce module couvre-t-il ?
Le module couvre l'apprentissage automatique automatisé dans MATLAB (AutoML), la sélection de caractéristiques et le réglage des hyperparamètres.
Où puis-je appliquer ce que j'apprends dans ce cours ?
Après avoir terminé le module, vous pourrez appliquer ce que vous avez appris à tout projet ou tâche impliquant l'apprentissage automatique, y compris dans le secteur privé, au gouvernement, dans le milieu universitaire et dans des projets personnels ou domestiques tels qu'un système de maison intelligente.
Quelles compétences ce cours aide-t-il à développer ?
Ce cours aide à développer des compétences en apprentissage automatique automatisé, Google AutoML, apprentissage automatique, algorithmes d'apprentissage automatique, méthodes d'apprentissage automatique et MATLAB.
