Schița de curs

Introducere în Rețele Neuronale

Introducere la Machine Learning Aplicat

  • Învățarea statistică vs. Învățarea automată (Machine Learning)
  • Iterație și evaluare
  • Compromisul dintre eroarea de corelație și varianța modelului (Bias-Variance trade-off)

Machine Learning cu Python

  • Alegerea bibliotecilor
  • Ferramentă adiționale

Concepte și Aplicații de Machine Learning

Regresie

  • Regresia liniară
  • Generalizări și neliniarități
  • Cazuri de utilizare

Clasificare

  • Repetarea conceptelor bayesiene
  • Naive Bayes
  • Regresia logistică
  • K-Vecini cei mai apropiăți (K-Nearest neighbors)
  • Cazuri de utilizare

Validarea Cruce și Remostrare

  • Metode de validare cruzată
  • Bootstrap
  • Cazuri de utilizare

Învățare ne-supervizată (Unsupervised Learning)

  • Agruparea K-means (K-means clustering)
  • Exemple
  • Sărutările învățării ne-supervizate și dincolo de K-means

Introducere Succesivă la Metodele NLP

  • TOKENIZAREA cuvintelor și propozițiilor
  • Clasificarea textului
  • Analiza sentimentului
  • Corectarea ortografică
  • Extragerea informației
  • Analiza sintactică (parsing)
  • Extragerea semnificației
  • Răspunsul la întrebări

Inteligenta Artificială & Învățarea Profundă (Deep Learning)

Prezentare Tehnică

  • R vs. Python
  • Caffe vs. TensorFlow
  • Diverse biblioteci de Machine Learning

Studii de caz din industrie

Cerințe

  1. Ar trebui să aibă cunoștințe de bază despre funcționarea afacerilor și cunoștințe tehnice, de asemenea
  2. Must have basic understanding of software and systems
  3. Cunoștințe de bază de Statistică (la nivelul Excel)
 21 ore

Numărul de participanți


Pret per participant

Mărturii (1)

Cursuri viitoare

Categorii înrudite