Schița de curs

Învățare supravegheată: clasificare și regresie

  • Machine Learning în Python: introducere în API-ul scikit-learn
    • regresie liniară și logistică
    • mașină vectorială suport
    • rețele neuronale
    • pădure aleatorie
  • Configurarea unei conducte de învățare supravegheată de la un capăt la altul utilizând scikit-learn
    • lucrul cu fișiere de date
    • imputarea valorilor lipsă
    • manipularea variabilelor categoriale
    • vizualizarea datelor

Python cadre pentru aplicații de inteligență artificială:

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

Arhitecturi avansate de rețele neuronale

  • rețele neuronale convoluționale pentru analiza imaginilor
  • rețele neuronale recurente pentru date structurate în timp
  • celula de memorie pe termen lung și scurt

Învățare nesupravegheată: clustering, detectarea anomaliilor

  • implementarea analizei componentelor principale cu scikit-learn
  • implementarea autoencoderelor în Keras

Exemple practice de probleme pe care IA le poate rezolva (exerciții practice utilizând notebook-uri Jupyter), de exemplu

  • analiza imaginilor
  • prognozarea seriilor financiare complexe, cum ar fi prețurile acțiunilor,
  • recunoașterea modelelor complexe
  • prelucrarea limbajului natural
  • sisteme de recomandare

Înțelegerea limitelor metodelor AI: moduri de eșec, costuri și dificultăți comune

  • supraadaptarea
  • compromisul între părtinire/varianță
  • prejudecăți în datele observaționale
  • otrăvirea rețelelor neuronale

Proiect de lucru aplicat (opțional)

Cerințe

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

 28 ore

Numărul de participanți


Pret per participant

Mărturii (2)

Upcoming Courses

Categorii înrudite