التعلم الآلي الآلي باستخدام AutoGluon في Python

لا يتطلب التعلم الآلي مئات الأسطر من التعليمات البرمجية المعقدة والضبط اليدوي للمعاملات الفائقة. باستخدام التعلم الآلي الآلي (AutoML)، يمكنك تدريب نماذج قوية وحديثة ببضعة أسطر من Python. يرشدك هذا المساق النصي من المفاهيم الأساسية للتعلم الآلي الآلي إلى بناء وتقييم خطوط أنابيب التنبؤ الخاصة بك. ستكتشف كيفية أتمتة هندسة الميزات واختيار النموذج والتجميع باستخدام AutoGluon، مع الالتزام بممارسات Python الحديثة. ما ستتعلمه: * فهم المفاهيم الأساسية للتعلم الآلي الآلي (AutoML) وسير عمل تدريب النماذج; * إعداد وتنظيف البيانات الجدولية باستخدام مكتبات Python الحديثة للحصول على أداء نموذجي مثالي; * تدريب نماذج الانحدار والتصنيف عالية الأداء تلقائيًا باستخدام AutoGluon; * تقييم تنبؤات النماذج باستخدام تقنيات التحقق الحديثة ومقاييس الأداء; * تحسين تجميعات النماذج واستكشاف إمكانيات التعلم العميق ضمن خطوط أنابيب AutoML; * تطبيق مفاهيم MLOps الأساسية لحفظ وتحميل وإعداد النماذج الآلية للإنتاج. يبدأ المساق بالمصطلحات الأساسية للتعلم الآلي والإعداد قبل الانتقال خطوة بخطوة عبر إعداد البيانات العملي وتدريب النماذج وتقييمها. بنهاية رحلة القراءة هذه، ستتمكن بثقة من تطبيق AutoML لحل تحديات التنبؤ في العالم الحقيقي. تم تصميم هذا المساق للمبتدئين وعشاق البيانات ومطوري البرامج الذين يرغبون في الاستفادة من التعلم الآلي دون الحاجة إلى خلفية عميقة في الإحصاء المتقدم. لا يلزم خبرة سابقة في التعلم الآلي، على الرغم من أن الإلمام الأساسي بـ Python مفيد. ابدأ القراءة اليوم لتبسيط سير عمل التعلم الآلي الخاص بك باستخدام AutoGluon.