Продукты из этой статьи:
Дата-сайентистам и аналитикам приходится выполнять много рутинной работы: от трудоёмкой подготовки данных до перебора методов и алгоритмов, которые на этих данных отработают лучшим образом. Причём неважно, идёт ли речь о ключевых для бизнеса задачах или вспомогательных, — большая часть времени всегда уходит на рутину. Чтобы ускорить процессы и позволить специалистам сосредоточиться на самых важных задачах, мы в Лаборатории по ИИ Сбера (Sber AI Lab) создали фреймворк LightAutoML, сокращённо — LAMA.
Эти видео — часть серии материалов, посвященных работе с фреймворком разработки моделей машинного обучения LightAutoML или LAMA.
В данном части речь пойдет о способах и нюансов обработки признаков (feature) с помощью библиотеки LAMA.
Вы узнаете:
В данной части мы продолжим знакомиться с внутренним устройством LAMA. Вы узнаете как реализована кросс-валидация и организован поиск гиперпараметров.
В данном видео мы познакомимся с практическим применением LAMA для пайп-лайнов машинного обучения.
Продукты из этой статьи: