Hiperparaméterezés

// KÉPZÉS CÉLJA

Az adatelemzés egyre több eleme automatizálható. A hiperparaméterezés is gyakorlatilag egy automatizált folyamat, ahol erre írt függvények megtalálják azon modell-paramétereket, melyek a legjobb modellt állítják elő az adott tanító adatbázison. A kurzus különböző hiperparaméterezési eljárás elméleti hátterét, illetve gyakorlati alkalmazását ismerteti. 

// KÉPZÉS TEMATIKÁJA

Elmélet:

- Mi a hiperparaméterezés? 

- Milyen hiperparaméterezési eljárások vannak? (grid search, random search, ...)

- Különböző tanuló algoritmusoknál milyen paramétereket érdemes optimalizálni? (logreg, döntési fa, random forest, XGB)

- Hogyan kerülhető el a túltanulás ezekkel az eljárásokkal? "Legjobb modell" és "sweet spot" modell kapcsolata

Gyakorlati blokk (Python kódokon keresztül):

- Hiperparaméterezés nyomonkövetése Validationcurve függvénnyel (yellowbrick csomag)

- Hiperoptimalizálás randormsearch és gridsearch függvényekkel? Milyen kiértékelési metódust válasszunk?

- Hyperopt függvények írása különböző felügyelt tanító algoritmusra

// KINEK AJÁNLOM

Adatelemzőknek, adatmérnököknek, de végül is mindenkinek, aki adatelemzéssel foglalkozik.

// DÍJ

39.000 Ft + ÁFA

// MIKOR ÉS HOL?

2023.05.19 - Kiscsoportos képzés keretében tartom személyesen (Bartók Béla út 105-113. I/B, Budapest 1115 - kiselőadó)

Cégek kérhetnek kihelyezett tréninget minimum 3 fős létszámtól. Ebben az esetben van lehetőség arra, hogy a tréning során bemutatott példák, esettanulmányok az adott cég üzleti profiljához legyenek igazítva. Egyedi ajánlat kérésére email-ben vagy a honlap online regisztrációs felületén van lehetőség.