Intrati in legatura

Schița de curs

Introducere în Machine Learning aplicat

  • Învățare statistică vs. Machine learning
  • Iterație și evaluare
  • Compromisul Bias-Varianță

Supervised Learning și Unsupervised Learning

  • Limbaje, tipuri și exemple de Machine Learning
  • Supervised vs Unsupervised Learning

Supervised Learning

  • Decision Trees
  • Random Forests
  • Evaluarea modelului

Machine Learning cu Python

  • Alegerea librăriilor
  • Instrumente suplimentare

Regresie

  • Regresie liniară
  • Generalizări și neliniaritate
  • Exerciții

Clasificare

  • Recapitulare Bayesiană
  • Naive Bayes
  • Regresie logistică
  • K-Nearest neighbors
  • Exerciții

Cross-validation și Resampling

  • Abordări de cross-validation
  • Bootstrap
  • Exerciții

Unsupervised Learning

  • K-means clustering
  • Exemple
  • Provocările Unsupervised Learning și dincolo de K-means

Rețele neuronale

  • Layers și nodes
  • Librării Python pentru rețele neuronale
  • Lucrul cu scikit-learn
  • Lucrul cu PyBrain
  • Deep Learning

Cerințe

Cunoștințe de programare în Python. Se recomandă familiaritate de bază cu statisticile și algebra liniară.

 28 Ore

Numărul de participanți


Pret per participant

Mărturii (7)

Cursuri viitoare

Categorii înrudite