從預測型分析至指導型分析-在RapidMiner上實作模型解釋、模擬與優化 進階線上研討會

首頁

>

最新活動

> 活動內文

為什麼許多機器學習模型從未投入生產?一個非常可能的原因是,程式設計師並不了解他自己訓練出來的模型在個別預測中的具體行為。因此即使模型的總體性能令人滿意,他仍然無法說服自己,更無法贏得團隊的信任。

RapidMiner 在它的 Auto Model 中提供了「解釋/模擬/優化」的功能,在分類模型中顯示「信心度分佈」,或在迴歸模型中顯示「預測分佈」,讓用戶清楚地看到各個特徵值的貢獻比例。這些 「局部重要性」來自緊鄰區域的預測相關性,不僅可以解釋個別預測的行為,也可以模擬特徵值調整的局部影響,更可以做為特徵值優化的基礎。不同於模型訓練過程中諸多的「優化」步驟, 這些 “explain / simulate / optimize” 的後續動作雖然益形重要,卻曝光有限。

本次網絡研討會將說明一些重要的觀念,並在 Auto Model 和 Studio 中,演示兩個製造優化、信貸審核的分類、迴歸範例。

活動時間 :
2021/11/11 (四)  14:00-15:00

講師介紹 : 李永嘉博士
原廠認證RapidMiner Grand Master,曾經在密西根大學安那堡校區教了六年的計算機課程,也在紐澤西的 AT&T Labs 帶過數十人的研發團隊,回來台灣後擔任過明基西門子手機的亞洲研發總監,這些年來專注於雲端運算,大數據分析與機器學習方面的顧問工作。

* 本活動需事先報名,報名完成後將於活動前一天寄發活動登入連結,歡迎業界先進及學者報名參加。想了解更多相關訊息,歡迎按讚追蹤"RapidMiner 人工智慧機器學習平台"粉絲專頁。

2021.11.11

14:00-15:00

本研討會採網路 Live 直播

隱私權聲明

同意

您於本頁提供之個人資料,本公司將於相關範圍內蒐集、處理及利用,提供我們做聯繫、活動、及行銷宣傳使用。
未經您的許可,本公司不會將您的個人資訊與第三人分享,除非係為完成您所請求的服務或交易所必要或法律要求者。
有關您於本頁提供之個人資料,您得向本公司請求查詢、閱覽、複給副本、補充、更正、停止蒐集/處理/利用、或刪除。