Kurzusleírás

    Bevezetés az ML-be A gépi tanulás a mesterséges intelligencia részeként Az ML-algoritmusok típusai Az ML kihívásai és lehetséges használata Túlillesztés és torzítás-variancia kompromisszum az ML-ben A gépi tanulás technikái A gépi tanulás munkafolyamata Felügyelt tanulás – Osztályozás, Regresszió Felügyelt tanulás – Klaszterezés, Anomália-észlelés Félig felügyelt tanulás és Reinforcement Learning Figyelembe vétel a gépi tanulási adatok előfeldolgozásában Adat-előkészítés és -átalakítás Funkciótervezés Funkció Méretezés Dimenziócsökkentés és változók kiválasztása Adatvizualizáció Feltáró elemzés Esettanulmányok Fejlett jellemzőtervezés és az előrejelzési lineáris regresszió eredményeire gyakorolt hatás Idősor-elemzés és Az értékesítés havi volumenének előrejelzése - alapmódszerek, szezonális kiigazítás, regresszió, exponenciális simítás, ARIMA, neurális hálózatok Piaci kosárelemzés és asszociációs szabályok bányászata Szegmentációs elemzés klaszterezés és önszerveződő térképek segítségével Besorolás, hogy melyik ügyfél valószínűsíthetően nem teljesít logisztikus regresszióval, döntés fák, xgboost, svm

 

Követelmények

Machine Learning alapok ismerete és ismerete

  14 Hours
 

Résztvevők száma


Tanfolyam kezdete

Tanfolyam vége


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Rokon tanfolyam

Rokon kategóriák