Kurzusleírás

  1. Gépesített tanulás bevezetése
    • Gépesített tanulás mint mesékészítés részeként
    • ML típusok
    • ML algoritmusok
    • Gépesített tanulás kihívásai és potenciális felhasználása
    • Overfitting és bias-variance egyensúly gépesített tanulásban
  2. Gépesített tanulás technikái
    • A Machine Learning munkafolyamat
    • Felügyelt tanulás – Osztályozás, Regreszió
    • Felügyetlen tanulás – Csoportosítás, Anomália detektálás
    • Félfelügyelt tanulás és Reinforcement Learning
    • Fontosság Machine Learning-ben
  3. Adat előfeldolgozás
    • Adat előkészítése és átalakítása
    • Jellemző mérnöki munkák
    • Jellemző méretezése
    • Dimenziócsökkentés és változó választás
    • Adat vizualizáció
    • Exploratórikus elemzés
  4. Esemény tanulmányok
    • Fejlett jellemző mérnöki munkák és hatásuk a lineáris regresszióban a predikcióra
    • Időszéri elemzés és Forecasting havi eladási mennyiség – alapvető módszerek, szezonális beállítás, regreszió, exponenciális simítás, ARIMA, neurális hálózatok
    • Piaci kosár elemzés és kapcsolati szabályok bányászata
    • Szegmentálási elemzés csoportosítás és önorganizáló térképek használatával
    • Osztályozás, hogy melyik ügyfél valószínűleg alulmarad logisztikus regresszió, döntési fák, xgboost, svm használatával

Követelmények

Machine Learning alapok ismerete és ismerete

 14 Órák

Résztvevők száma


Ár résztvevőnként

Vélemények (2)

Közelgő kurzusok

Rokon kategóriák