DataRobot AI Cloud — это новый подход, созданный с учетом требований, задач и возможностей современного ИИ. Это единая система записи, ускоряющая внедрение ИИ в производство для каждой организации. Все пользователи взаимодействуют в единой среде, созданной для непрерывной оптимизации на протяжении всего жизненного цикла ИИ.
Он предназначен для совместной работы всех пользователей на предприятии:
- экспертов по науке о данных и аналитике
- групп ИТ и DevOps
- руководителей и информационных работников.
Платформа AI имеет 3 основные функции:
1. Подготовка данных (подготовка данных для машинного обучения)
2. Машинное обучение (AutoML, VisualML)
3. MLOps (развертывание модели в соответствии с ваша потребность)
В этом уроке мы сосредоточимся на второй части платформы ИИ «Машинное обучение». Мы подробно расскажем о процессе построения модели и объясним большинство функций, связанных с обучением, оценкой, производительностью, переобучением, проверкой и другими этапами облачной модели ИИ.
Содержание:
– Доступ к облачной платформе ИИ
– Введение в учебное пособие по подготовке данных
– Проект разработки машинного обучения
– Импорт набора данных для машинного обучения
– EDA, ориентированный на машинное обучение, с исходными данными
– Контролируемое машинное обучение с Платформа искусственного интеллекта
– Расширенные возможности обучения машинному обучению
– Начало обучения машинному обучению
– Исследование качества данных
– Список функций в исходных данных
– Связь функций
– Оценка качества данных
– Модели ИИ в проекте машинного обучения
– Репозиторий моделей ИИ
– Предвзятость и справедливость
– Влияние характеристик и эффект характеристик
– Объяснения прогнозов
– Подробная информация о модели
– Оценка модели
– Расширенная настройка модели
– Сравнение моделей
– Скорость и точность модели
– Понимание модели
– Улучшение модели Точность
– Объединение или смешивание моделей
– Развертывание модели из конвейера машинного обучения
– Генерация отчетов ИИ
– Документация по платформе ИИ
Спасибо, будь добрым и делай добро.
