Schița de curs

Introducere la Neural Networks

Introducere în aplicație Machine Learning

  • Învățare statistică vs. învățare automată
  • Iterație și evaluare
  • Compensație părtinire-varianță

Machine Learning cu Python

  • Alegerea bibliotecilor
  • Instrumente suplimentare

Concepte și aplicații de învățare automată

Regresia

  • Regresie liniara
  • Generalizări și neliniaritate
  • Cazuri de utilizare

Clasificare

  • Reîmprospătare bayesiană
  • Bayes naiv
  • Regresie logistică
  • K-Cei mai apropiați vecini
  • Use Cases

Validare încrucișată și reeșantionare

  • Abordări de validare încrucișată
  • Bootstrap
  • Use Cases

Învățare nesupravegheată

  • K înseamnă grupare
  • Exemple
  • Provocări ale învățării nesupravegheate și dincolo de K-means

Scurtă introducere în metodele NLP

  • tokenizarea cuvintelor și propozițiilor
  • clasificarea textului
  • analiza sentimentelor
  • corectare ortografică
  • extragerea informatiilor
  • analizare
  • adică extracție
  • răspuns la întrebare

Inteligență artificială și Deep Learning

Prezentare tehnică

  • R v/s Python
  • Caffe v/s flux tensor
  • Diverse Machine Learning Biblioteci

Studii de caz în industrie

Cerințe

  1. Ar trebui să aibă cunoștințe de bază de funcționare a afacerii, precum și cunoștințe tehnice
  2. Trebuie să aibă cunoștințe de bază despre software și sisteme
  3. Înțelegere de bază a Statistics (în nivelurile Excel)
  4. .
  21 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.

Mărturii (1)

Cursuri înrudite

Categorii înrudite