Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
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
Mărturii (2)
That it was applying real company data. Trainer had a very good approach by making trainees participate and compete
Jimena Esquivel - Zakład Usługowy Hakoman Andrzej Cybulski
Curs - Applied AI from Scratch in Python
The trainer was a professional in the subject field and related theory with application excellently