Logo
1.9.2.1

릴리스 참고 사항

  • 로그 변경

소개

  • Driverless AI 소개

라이선싱

  • Driverless AI 라이선스

설치 및 업그레이드

  • Driverless AI 설치 및 업그레이드

구성

  • 구성 및 인증

데이터 세트

  • Driverless AI에서의 데이터 세트

데이터 인사이트

  • 자동 시각화

변수 가공

  • 자동 변수 가공

모델링

  • Driverless AI에서의 모델 빌드
    • Driverless AI 시작
    • 시작하기 전
      • Driverless AI에서의 샘플링
      • 누락 레벨과 보이지 않는 레벨 처리
      • Driverless AI에서의 대체
      • Driverless AI 변환
      • 내부 검증 기술
      • Driverless AI의 앙상블 학습
      • Driverless AI의 대량 데이터 세트
      • Monotonicity Constraints
      • Time Series 모범 사례
      • Driverless AI의 실험 큐잉
      • 팁과 도움말
    • 실험
    • Driverless AI의 Time Series
    • Driverless AI에서의 NLP
    • Driverless AI의 이미지 처리
  • 자동 모델 문서화(AutoDoc)

기계 학습 해석 가능성

  • 기계 학습 해석 가능성

신규 데이터 세트의 스코어링

  • 다른 데이터 세트에 대한 스코어링

데이터 세트 변형

  • 다른 데이터 세트 변환

스코어링 파이프라인

  • 스코어링 파이프라인

생산화

  • MOJO 파이프라인 배포

클라이언트

  • Driverless AI 클라이언트

모니터링 및 로깅

  • 모니터링 및 로깅

보안

  • 보안

자주 하는 질문

  • 자주 하는 질문

부록

  • 부록 A: 사용자 정의 레시피
  • 부록 B: 타사 제품 통합

참고 자료

  • References

제3자 통지

  • Third-Party Licenses
Using Driverless AI
  • »
  • Driverless AI에서의 모델 빌드 »
  • 시작하기 전
  • Edit on GitHub

시작하기 전¶

  • Driverless AI에서의 샘플링
    • 데이터 샘플링
    • 불균형 모델 샘플링 방법
  • 누락 레벨과 보이지 않는 레벨 처리
    • 알고리즘은 학습 중에 결측값을 어떻게 처리하나요?
    • 알고리즘은 스코어링중에 결측값을 어떻게 처리하나요 (생성)?
    • 학습 중에 보이지 않는 범주형 레벨에서 예측을 시도하면 어떻게 되나요?
    • 반응에 결측값이 있으면 어떻게 되나요?
  • Driverless AI에서의 대체
    • 대체 활성화
    • 대체를 통한 실험 실행
  • Driverless AI 변환
    • 사용 가능한 트랜스포머
    • 변환된 특성 명명 규칙
    • 변환 예시
  • 내부 검증 기술
  • Driverless AI의 앙상블 학습
    • 앙상블 방법
    • 앙상블 레벨
  • Driverless AI의 대량 데이터 세트
  • Monotonicity Constraints
  • Time Series 모범 사례
    • 데이터 준비
    • 실험 설정
    • MLI를 사용한 모델 해석
    • 스코어링
    • 기타 방법
  • Driverless AI의 실험 큐잉
  • 팁과 도움말
    • 파이프라인 팁
    • Time Series 팁
    • 스코어러 팁
    • 노브 설정 팁
    • 실험 실행 팁
    • 상세 설정 팁
    • 체크포인팅 팁
    • 텍스트 데이터 팁
Next Previous

© Copyright 2017-2021 H2O.ai. 최종 업데이트: 8월 30, 2021

Built with Sphinx using a theme provided by Read the Docs.