Kurzusleírás

Bevezetés az Appliedbe Machine Learning

  • Statisztikai tanulás kontra gépi tanulás
  • Iteráció és értékelés
  • Bias-Variance kompromisszum

Felügyelt tanulás és felügyelet nélküli tanulás

  • Machine Learning Languages, Típusok és példák
  • Felügyelt vs felügyelet nélküli tanulás

Felügyelt tanulás

  • Döntésfák
  • Random Forests
  • Modell értékelése

Machine Learning és Python

  • Könyvtárak választéka
  • Kiegészítő eszközök

Regresszió

  • Lineáris regresszió
  • Általánosítások és nemlinearitás
  • Feladatok

Osztályozás

  • Bayesi frissítő
  • Naiv Bayes
  • Logisztikus regresszió
  • K-Legközelebbi szomszédok
  • Feladatok

Keresztellenőrzés és újramintavételezés

  • Keresztellenőrzési megközelítések
  • Bootstrap
  • Feladatok

Felügyelet nélküli tanulás

  • A K-csoportosulást jelent
  • Példák
  • A felügyelet nélküli tanulás kihívásai és a K-eszközökön túl

Neurális hálózatok

  • Rétegek és csomópontok
  • Python neurális hálózati könyvtárak
  • A scikit-learn használata
  • Együttműködés a PyBrainnel
  • Deep Learning

Követelmények

Python programozási nyelv ismerete. A statisztika és a lineáris algebra alapszintű ismerete ajánlott.

  28 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.

Vélemények (2)

Rokon tanfolyam

Rokon kategóriák