Logo
☆☆☆☆☆
0.0
Advanced
9h

分布式机器学习及其在H2O中的实现

本课程介绍一种分布式且高度可扩展的机器学习框架——H2O-3。H2O已成为组织构建数据驱动和可解释解决方案的首选方案。在本课程中,你将学习H2O功能强大的机器学习框架,掌握高性能且可解释的机器学习模型构建能力。 H2O框架支持Java、JSON、R、Python和Scala。你将从机器学习模型的基本概念入手,随着课程推进,深入探索H2O的核心优势:对模型可解释性的重视以及提升效率的AutoML功能。你将动手实现监督学习和无监督学习算法,并从中提取有价值的洞察。 通过本课程的学习,你将具备应对大数据挑战、构建可解释模型以及自动化机器学习任务的专业能力,为职业发展注入强大动力,为你在多个行业打开更多机会之门。

7 Lessons
Included in Subscription Plan
Personalized Learning
Powered by AI
分布式机器学习及其在H2O中的实现
本课程介绍一种分布式且高度可扩展的机器学习框架——H2O-3。H2O已成为组织构建数据驱动和可解释解决方案的首选方案。在本课程中,你将学习H2O功能强大的机器学习框架,掌握高性能且可解释的机器学习模型构建能力。 H2O框架支持Java、JSON、R、Python和Scala。你将从机器学习模型的基...

WHAT YOU'LL LEARN

对分布式机器学习的理解

Content

7 Lessons • 0 Quizzes • 0 Challenges

机器学习入门
  1. 1

    让我们开始吧

  2. 2

    机器学习概念

  3. 3

    评估机器学习模型

  4. 4

    机器学习框架

  5. 5

    测验:机器学习概念

监督学习:使用 H2O 的回归模型
  1. 1

    使用 H2O 进行回归

  2. 2

    探索性数据分析

  3. 3

    设置 H2O 集群

  4. 4

    回归模型与预测

  5. 5

    回归模型解释

  6. 6

    挑战:优化 H2O XGBoost 回归模型

  7. 7

    解决方案:优化 H2O XGBoost 回归模型

  8. 8

    测验:H2O 回归概念

监督学习:使用 H2O 的分类模型
  1. 1

    使用 H2O 进行分类

  2. 2

    探索性数据分析

  3. 3

    设置 H2O 集群

  4. 4

    H2O AutoML 就够了

  5. 5

    分类模型与预测

  6. 6

    使用 H2O 网格搜索进行模型调优

  7. 7

    分类模型解释

  8. 8

    挑战:分类模型特征工程

  9. 9

    解决方案:分类模型特征工程

  10. 10

    测验:H2O 分类概念

无监督学习:使用 H2O 进行聚类
  1. 1

    使用 H2O 进行聚类

  2. 2

    探索性数据分析

  3. 3

    聚类模型与预测

  4. 4

    挑战:聚类分析

  5. 5

    解决方案:分析聚类

  6. 6

    测验:H2O 聚类概念

无监督学习:使用 H2O 进行异常检测
  1. 1

    使用 H2O 进行异常检测

  2. 2

    异常检测模型与预测

  3. 3

    解释 H2O 异常检测森林模型

  4. 4

    挑战:异常解读

  5. 5

    解决方案:异常的解读

  6. 6

    测验:H2O 异常检测模型

结束语
  1. 1

    总结

附录
  1. 1

    H2O 安装

Certificate of Completion

Showcase your accomplishment by sharing your certificate of completion.

Course Author:Anonymous User

Reviews

Read reviews from students who have taken this course and share your own experience.

Reviews & Comments (0)