Schița de curs

Învățare supravegheată: clasificare și regresie

  • Compensație părtinire-varianță
  • Regresia logistică ca clasificator
  • Măsurarea performanței clasificatorului
  • Suport mașini vectoriale
  • Rețele neuronale
  • Păduri aleatorii

Învățare nesupravegheată: grupare, detectarea anomaliilor

  • Analiza componentelor principale
  • autoencodere

Arhitecturi avansate de rețele neuronale

  • rețele neuronale convoluționale pentru analiza imaginilor
  • rețele neuronale recurente pentru date structurate în timp
  • celula memoriei pe termen lung

Exemple practice de probleme pe care AI le poate rezolva, de ex

  • analiza imaginii
  • prognozarea unor serii financiare complexe, cum ar fi prețurile acțiunilor,
  • recunoașterea modelelor complexe
  • procesarea limbajului natural
  • sisteme de recomandare

Platforme software utilizate pentru aplicațiile AI:

  • TensorFlow, Theano, Caffe și Keras
  • AI la scară cu Apache Spark: Mlib

Înțelegeți limitele metodelor AI: moduri de eșec, costuri și dificultăți comune

  • supraadaptare
  • părtiniri în datele observaționale
  • date lipsa
  • otrăvirea rețelelor neuronale

Cerințe

Nu sunt necesare cerințe specifice pentru a participa la acest curs.

  28 ore
 

Numărul de participanți


Dată început

Dată sfârșit


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Cursuri înrudite

Categorii înrudite