Thank you for sending your enquiry! One of our team member will contact you shortly.
Thank you for sending your booking! One of our team member will contact you shortly.
Kurzusleírás
Bevezetés a Neural Networks-be
Bevezetés az Appliedbe Machine Learning
- Statisztikai tanulás kontra gépi tanulás
- Iteráció és értékelés
- Bias-Variance kompromisszum
Machine Learning és Python
- Könyvtárak választéka
- Kiegészítő eszközök
Gépi tanulási koncepciók és alkalmazások
Regresszió
- Lineáris regresszió
- Általánosítások és nemlinearitás
- Használati esetek
Osztályozás
- Bayesi frissítő
- Naiv Bayes
- Logisztikus regresszió
- K-Legközelebbi szomszédok
- Use Cases
Keresztellenőrzés és újramintavételezés
- Keresztellenőrzési megközelítések
- Bootstrap
- Use Cases
Felügyelet nélküli tanulás
- A K-csoportosulást jelent
- Példák
- A felügyelet nélküli tanulás kihívásai és a K-eszközökön túl
Rövid bevezetés az NLP módszerekbe
- szó és mondat tokenizálása
- szöveges besorolás
- hangulatelemzés
- helyesírási javítás
- információ kinyerése
- elemzése
- kitermelést jelent
- kérdés megválaszolása
Mesterséges intelligencia és Deep Learning
Műszaki áttekintés
- R v/s Python
- Caffe v/s Tensor Flow
- Különféle Machine Learning könyvtárak
Iparági esettanulmányok
Követelmények
- Rendelkeznie kell az üzleti működés alapismereteivel, és műszaki ismeretekkel is
- Alapvető ismeretekkel kell rendelkeznie a szoftverekkel és rendszerekkel kapcsolatban
- Az Statistics alapszintű ismerete (Excel szinten)
21 Hours
Vélemények (1)
The enthusiasm to the topic. The examples he made an he explained it very well. Sympatic. A little to detailed for beginners. For managers, it could be more abstract in fewer days. But it was designed to fit and we had a good alignment in advance.