Bayesian Optimization with Python
Define objective function of Bayesian optimization
Implement Bayesian Optimization
Use Bayesian Optimization and GPyOpt in your projects
In this guided project you will get familiar with the basics of Bayesian optimization and Implement Bayesian optimization algorithm process and use it in a machine learning project, We will consider function optimization task and also Hyperparameters tuning using Bayesian optimization and GPyOpt library. Bayesian optimization is a nice topic, whether you want to do a high dimensional or a computationally expensive optimization it's efficient. By the end of this project you will be able to understand and start applying Bayesian optimization in your machine learning projects.
Навыки, которые вы получите
Будете учиться пошагово
На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:
Define Objective function - One Dimensional Case
Optimize 1-D Objective function using GPyopt
Define Objective function - Two Dimensional Case
Optimize 2-D Objective function using GPyopt
Using Bayesian Optimization in Machine Learning
Как устроены проекты с консультациями
Ваше рабочее пространство — это облачный рабочий стол в браузере. Ничего не нужно загружать.
На разделенном экране видео преподаватель предоставляет пошаговые
Часто задаваемые вопросы
Часто задаваемые вопросы
Что я получу, приобретя проект с рекомендациями?
Доступны ли проекты с консультациями на ПК и мобильных устройствах?
Какие преподаватели ведут проекты с рекомендациями?
Можно ли скачать работу из уже завершенного проекта с рекомендациями?
Какие правила возврата средств?
Можно ли получить финансовую помощь?
Можно ли прослушать проект с рекомендациями и посмотреть видео бесплатно?
Какие предварительные знания требуются для работы над проектом с рекомендациями?
Можно ли выполнить этот проект с рекомендациями в веб-браузере, не устанавливая специальное ПО?
Как организована учеба на проектах с рекомендациями?
Остались вопросы? Посетите Центр поддержки учащихся.
Coursera Footer
