Veranstaltungen

Beim Trainieren von Machine Learning-Modellen und auch schon bei der Vorverarbeitung der Daten ist im Vorfeld meist nicht klar, welche Modelle bzw. Modellklassen, Hyperparameter, Skalierungen etc. für einen optimalen Lernprozess sorgen. Daher werden meist manuell Pipelines erstellt, die Parametergitter automatisch abtasten. Das Definieren solcher Pipelines kann aufwändig sein. Eine Garantie, dass die besten Einstellungen gefunden werden, gibt es nicht. Abhilfe versprechen Methoden des AutoML, die weite Teile eines Machine Learning-Projekts automatisieren. Die Teilnehmenden lernen, welche Ansätze es dabei gibt und wie diese in der Praxis abschneiden.