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.
Schița de curs
Introducere în aplicații Machine Learning
-
Învățare statistică vs. Învățare automată
Iterare și evaluare
Compromisul dintre eroare și variație
Învățare supravegheată vs. învățare nesupravegheată
Probleme rezolvate cu Machine Learning
Train Validation Test – Flux de lucru ML pentru a evita supraadaptarea
Fluxul de lucru al Machine Learning
Algoritmi de învățare automată
Alegerea algoritmului adecvat problemei
Evaluarea algoritmului
-
Evaluarea predicțiilor numerice
Măsuri de precizie: ME, MSE, RMSE, MAPE
Stabilitatea parametrilor și a predicțiilor
Algoritmi supravegheați KNN Ansamblu Gradient Boosting SVM
-
Algoritmi nesupravegheați
Bazat pe distanță
Metode bazate pe densitate
-
Metode probabilistice
Construirea unor modele simple de învățare profundă cu Keras
-
Crearea unui model Keras Model
Înțelegerea datelor dvs.
Specificarea modelului dvs. de învățare profundă
Compilarea modelului dvs.
Adaptarea modelului dvs.
Lucrul cu datele de clasificare
Lucrul cu modelele de clasificare
Utilizarea modelelor dumneavoastră
Lucrul cu TensorFlow pentru Deep Learning
-
Pregătirea datelor
Descărcarea datelor
Pregătirea datelor de instruire
Pregătirea datelor de testare
Scalarea intrărilor
Utilizarea de caractere de poziție și variabile
Specificarea arhitecturii de rețea
-
Utilizarea funcției de cost
Utilizarea optimizatorului
-
Utilizarea inițializatorilor
Cerințe
- Experiență cu programarea Python
- Familiaritate de bază cu statisticile și conceptele matematice
Audiență
- Dezvoltatorii
- Științifici de date
28 ore