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.
Kurzusleírás
Bevezetés az Appliedbe Machine Learning
- Statisztikai tanulás vs. gépi tanulás Iteráció és értékelés Elfogultság-variáns kompromisszum Felügyelt és nem felügyelt tanulás A problémák a Machine Learning segítségével megoldva Train Validation Test – ML munkafolyamat a túlillesztés elkerülése érdekében Machine Learning Gépi tanulási algoritmusok munkafolyamata A megfelelő algoritmus kiválasztása a problémához
Algoritmus értékelése
- Numerikus előrejelzések kiértékelése Pontossági mérőszámok: ME, MSE, RMSE, MAPE Paraméterek és előrejelzési stabilitás
Felügyelt algoritmusok KNN Ensemble Gradient Boosting SVM
- Felügyelet nélküli algoritmusok Távolság alapú
Sűrűség alapú módszerek
- Valószínűségi módszerek
Egyszerű mély tanulási modellek felépítése a Keras segítségével
- Modell készítése Keras Az Ön adatainak megértése A mélytanulási modell megadása A modell összeállítása A modell illesztése Az Ön osztályozási adataival való munka Osztályozási modellekkel való munka a modellek használatával
Együttműködés a TensorFlow-val a Deep Learningért
- Az adatok előkészítése Az adatok letöltése A képzési adatok előkészítése Tesztadatok skálázási bemeneteinek előkészítése helyőrzők és változók használatával
A hálózati architektúra megadása
- A Költségfüggvény használata
Az optimalizáló használata
- Inicializátorok használata
Követelmények
- Python programozási tapasztalat
- Statisztikai és matematikai fogalmak alapvető ismerete
Közönség
- Fejlesztők
- Adattudósok
28 Hours