Skip to main Content

IBM watsonx.ai: Rapid Machine Learning Model Development and Deployment with AutoAI

  • Código del Curso W7L555G
  • Duración 1 Día

Otros Métodos de Impartición

Aprendizaje Virtual Precio

eur850.00

Solicitar Formación Grupal Inscribirse

Salta a:

Método de Impartición

Este curso está disponible en los siguientes formatos:

  • Clase de calendario

    Aprendizaje tradicional en el aula

  • Aprendizaje Virtual

    Aprendizaje virtual

Solicitar este curso en un formato de entrega diferente.

Descargar el temario del curso

Temario

Parte superior

IBM watsonx.ai: Rapid Machine Learning Model Development and Deployment with AutoAI aims to familiarize data science and analytics professionals with the fundamentals of the IBM watsonx.ai AutoAI tool. This course walks users through creating IBM Cloud projects, building, and evaluating AutoAI experiments for various supervised machine learning and time series use cases, and finally, learners leverage Chat in the Prompt Lab for further analysis of the use case.

The course guides participants through AutoAI features, from model development to deployment, using a no-code approach for:

  • Classification models
  • Text classification models
  • Regression models
  • Time series models
  • Hyperparameter tuning
  • Model explainability
  • Data imputation
  • Model evaluation
  • Model testing
  • Deployment

Curso Remoto (Abierto)

Nuestra solución de formación remota o virtual, combina tecnologías de alta calidad y la experiencia de nuestros formadores, contenidos, ejercicios e interacción entre compañeros que estén atendiendo la formación, para garantizar una sesión formativa superior, independiente de la ubicación de los alumnos.

Calendario

Parte superior

Contacte con nosotros para fechas

Solicitar Formación Grupal Más fechas en otros países

Dirigido a

Parte superior

This course is intended for Data Scientists, AI Specialists, watsonx Specialists, Solution Architects, or anyone interested in AutoAI.

ver más...

Objetivos del Curso

Parte superior

By the end of the course, learners will be able to:

  • Identify potential machine learning use cases applicable to AutoAI.
  • Differentiate problem types relevant to AutoAI experiments (Classification, Regression, Time Series).
  • Configure settings for various AutoAI experiments.
  • Evaluate pipelines and models produced by AutoAI experiments.
  • Recognize deployment strategies for AutoAI models.
ver más...

Contenido

Parte superior

The following topics will be covered throughout the course:

  • Introduction to AutoAI
  • Classification model development and deployment
  • Regression model development
  • Text classification model development
  • Time series model development
  • Model explainability
ver más...