Tuning modeli predykcyjnych jest jednym z podstawowych sposobów na poprawę zdolności predykcyjnych algorytmu.

Słuchacze poznają dwie podstawowe metody optymalizacji pojedynczych modeli (Grid search oraz Randomized grid search) jak również metodę łączenia modeli w zespół, który podejmuje ostateczną decyzję (analogia do konsylium lekarskiego).

Przedstawiona zostanie również metoda wzbogacania danych (data augmentation) w dziedzinie analizy obrazów. Wszystkie analizowane metody zostaną zaprezentowane od strony teoretycznej, jak i praktycznej (przykłady w Pythonie).

Na seminarium zapraszamy osoby chcące poznać metody poprawiania wydajności w uczeniu maszynowym [ML]. Oczekiwana jest podstawowa wiedza z ML oraz Pythona.