内容 隐藏
1 使用模型生成器 AutoML 进行实用的人工智能和机器学习
2 Practical AI and Machine Learning with Model Builder AutoML
2.1 你将学到什么
2.2 要求
2.3 描述
2.4 本课程适合谁：

使用模型生成器 AutoML 进行实用的人工智能和机器学习

Practical AI and Machine Learning with Model Builder AutoML

通过使用几乎不需要编码的自动化机器学习 GUI 在实践中掌握机器学习

你将学到什么

  • 查看使用 Microsoft 模型生成器和 ML .Net 解决回归问题的端到端监督机器学习流程。
  • 了解幕后发生的任务和活动。从数据准备一直到模型训练和评估。
  • 了解数据转换、特征缩放、算法迭代、评估指标、过度拟合、交叉验证和正则化。
  • 了解评估指标对模型性能的影响，以及如何检查过度拟合。
  • 了解机器学习的持久基础知识，这些基础知识独立于人们可以使用的工具或平台。
  • 在实际的机器学习演示中，通过观看机器学习概念的实际应用，深入了解机器学习概念。
  • 了解探索性数据分析 (EDA) 的重要性以及数据统计分布对模型性能的影响。
  • 了解如何设置 Visual Studio 并配置它以启用模型生成器，这是将用于演示机器学习过程的图形工具。
    了解如何使用模型生成器来训练模型而无需编写代码。

 

要求

  • 需要对监督机器学习有基本的了解。学生至少需要了解什么是回归、什么是特征，以及训练模型以拟合输入特征的函数以预测标签意味着什么。
  • 学生需要拥有一台具有几 GB 可用磁盘空间的 Windows 计算机来安装 Visual Studio，以便复制我将演示的机器学习过程。然而，这不是必需的。
  • Windows 计算机是理想的选择，但拥有 Mac 的学生仍然能够遵循。课程内容足够直观，足以演示概念，而学生无需亲自进行机器学习练习。

描述

在本课程中，您将了解监督机器学习过程的基本概念。您将了解复杂的主题，例如：

  • 探索性数据分析，
  • 数据转换和特征缩放，
  • 评估指标、算法、训练器和模型，
  • 欠拟合和过拟合，
  • 交叉验证、正则化等等

通过进行实际的机器学习练习，而不是通过观看演示文稿，您将看到这些概念变得生动起来。我们将在 Visual Studio 中使用名为模型生成器的非基于云的机器学习工具。将涉及零编码（除了最后一课）。但即使涉及很少的编码，您仍然会对复杂的机器学习概念有非常详细的了解。

本课程要求您至少对监督和无监督机器学习的概念有一定的理论了解。本课程旨在通过实际的机器学习练习，建立对机器学习的基本理论理解。无论您使用什么机器学习平台或编程语言，本课程中教授的概念都是基础概念，并且在未来都将具有相关性。

在此过程中，您还将接触到 Visual Studio、代码项目、解决方案和 Microsoft 机器学习生态系统。但这只是一个附带好处。本课程重点关注机器学习本身，而不是所使用的工具。

如果您已经完成过任何类型的机器学习或训练过模型，那么本课程对您来说可能太基础了。本课程可能包含您以前可能没有学过的基础知识，但请注意，本课程面向初级和中级人工智能爱好者。

本课程适合谁：

  • 本课程面向入门级机器学习爱好者，他们已经对机器学习进行了某种理论介绍，但想要将理论付诸实践。
  • 没有统计学、数据科学或编程背景，但希望了解机器学习实践的复杂性的机器学习爱好者。
  • 希望通过实际操作而不是观看演示来了解复杂概念的机器学习爱好者。
  • 想要学习扎实的机器学习基础知识的技术初学者，然后再进入更高级的课程，可能需要详细的统计、微积分和编程知识。
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。