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.
О том, как функционирует библиотека, чем она полезна и как можно научиться с ней работать, мы и расскажем в серии видео.
Эти видео — часть серии материалов, посвященных работе с фреймворком разработки моделей машинного обучения LightAutoML или LAMA.
Обработка признаков в LightAutoML
В данном части речь пойдет о способах и нюансов обработки признаков (feature) с помощью библиотеки LAMA.
Вы узнаете:
какие пресеты уже сейчас доступны в библиотеке,
каким образом организована обработка различных типов данных,
как устроены типизация и отбор признаков.
Валидация и гиперпараметры в LightAutoML
В данной части мы продолжим знакомиться с внутренним устройством LAMA. Вы узнаете как реализована кросс-валидация и организован поиск гиперпараметров.
Практический туториал по LightAutoML
В данном видео мы познакомимся с практическим применением LAMA для пайп-лайнов машинного обучения.
Как кастомизировать свой пайп-лайн машинного обучения в LightAutoML.
Введение в LightAutoML
Обработка признаков в LightAutoML
Валидация и гиперпараметры в LightAutoML
Практический туториал по LightAutoML
\
ПАО Сбербанк использует cookie для персонализации сервисов и удобства пользователей. Вы можете запретить сохранение cookie в настройках своего браузера.