IBM Watson Studio ile Hızlı Machine Learning Prototipleme

Yapay zekada yükselen bir trend, en uygun modeli seçmek, özellik mühendisliği (feature engineering) yapmak ve hiperparametre optimizasyonu yoluyla model performansını artırmak için otomasyonun kullanıldığı teknolojilerin erişilebilir olmasıdır. Bu otomasyon, modellerin hızlı bir şekilde prototiplenmesini sağlayacak ve Veri Bilimcinin (Data Scientist) çabalarını modelleri ince ayarlamak için alan bilgisine odaklamasına olanak tanıyacaktır. Bu kurs, katılımcıyı Watson Studio'nun AutoAI deney aracı tarafından oluşturulan uçtan uca otomatikleştirilmiş bir işlem hattının (pipeline) oluşturulma sürecine götürecek ve IBM Research tarafından geliştirilen arka plandaki teknolojiyi açıklayacaktır. Odak noktası, otomatik olarak oluşturulan bir Python not defteri (notebook) üzerinde çalışmak olacaktır. Katılımcılara iki kullanım senaryosu için test veri setleri sağlanacaktır. Bu kurs, aktif olarak çalışan Veri Bilimciler için tasarlanmıştır. IBM Watson Studio'nun AutoAI ile otomatikleştirilmiş yapay zeka yeteneklerini sergilerken, Machine Learning veya Veri Bilimi kavramlarını açıklamaz. Başarılı olmak için şu konularda bilgi sahibi olmalısınız: Veri Bilimi iş akışı, Veri Ön İşleme, Özellik Mühendisliği, Machine Learning Algoritmaları, Hiperparametre Optimizasyonu, Modeller için değerlendirme ölçütleri, Python ve scikit-learn kütüphanesi (Pipeline sınıfı dahil).