Master Thesis Online
Master thesis : Optimization Techniques for AutoML systems
Vieslet, Thomas 
Promoteur(s) :
Geurts, Pierre
Date de soutenance : 28-jan-2022 • URL permanente : http://hdl.handle.net/2268.2/13920
Détails
| Titre : | Master thesis : Optimization Techniques for AutoML systems |
| Titre traduit : | [fr] Techniques d'optimisation pour des systèmes AutoML |
| Auteur : | Vieslet, Thomas
|
| Date de soutenance : | 28-jan-2022 |
| Promoteur(s) : | Geurts, Pierre
|
| Membre(s) du jury : | Louppe, Gilles
Louveaux, Quentin Lahouli, Ichraf |
| Langue : | Anglais |
| Nombre de pages : | 72 |
| Mots-clés : | [en] AutoML, Optimization Techniques |
| Discipline(s) : | Ingénierie, informatique & technologie > Sciences informatiques |
| Public cible : | Chercheurs Professionnels du domaine Etudiants Grand public |
| Institution(s) : | Université de Liège, Liège, Belgique |
| Diplôme : | Master : ingénieur civil en science des données, à finalité spécialisée |
| Faculté : | Mémoires de la Faculté des Sciences appliquées |
Résumé
[en] In this Master Thesis is investigated several optimization techniques in the context of automatizing the Machine Learning Pipeline. The goal is to use these techniques to find the best set of features together with best model with the best hyperparameters values. The performance of the techniques are compared on various tasks.
Fichier(s)
Document(s)
tfe.pdf
Description: The link to the code is on page 3
Taille: 6.03 MB
Format: Adobe PDF
Citer ce mémoire
Tous les documents disponibles sur MatheO sont protégés par le droit d'auteur et soumis aux règles habituelles de bon usage.
L'Université de Liège ne garantit pas la qualité scientifique de ces travaux d'étudiants ni l'exactitude de l'ensemble des informations qu'ils contiennent.
L'Université de Liège ne garantit pas la qualité scientifique de ces travaux d'étudiants ni l'exactitude de l'ensemble des informations qu'ils contiennent.