Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Schița de curs
Învățare Automată
Introducere în Învățarea Automată
- Aplicații ale învățării automate
- Învățare supervizată versus nesupervizată
- Algoritmi de învățare automată
- Regresie
- Clasificare
- Clustering
- Sistem de recomandare
- Detectare de anomalii
- Învățare prin întărire
Regresie
- Regresie Simplă & Multiplă
- Metoda celor mai mici pătrate
- Estimarea coeficienților
- Evaluarea acurateței estimărilor coeficienților
- Evaluarea acurateței modelului
- Analiză post-estimare
- Alte considerații în modelele de regresie
- Predictori calitativi
- Extensii ale modelelor liniare
- Probleme potențiale
- Compromisul bias-varianță (sub-ajustare/supra-ajustare) pentru modelele de regresie
Metode de Re-eșantionare
- Validare încrucișată
- Abordarea setului de validare
- Validare încrucișată Leave-One-Out
- Validare încrucișată k-Fold
- Compromisul Bias-Varianță pentru k-Fold
- Metoda Bootstrap
Selecția Modelului și Regularizarea
- Selecție de Subseturi
- Selecția celui mai bun subset
- Selecție pas cu pas
- Alegerea modelului optim
- Metode de Regularizare/Contracție
- Regresie Ridge
- Lasso & Elastic Net
- Selectarea parametrului de reglare
- Metode de Reducere a Dimensiunii
- Regresie pe Componente Principale
- Pătrate Parțiale
Clasificare
Regresie Logistică
- Funcția de Cost a Modelului Logistic
- Estimarea coeficienților
- Realizarea predicțiilor
- Raportul de șanse
- Matrici de Evaluare a Performanței
- Sensibilitate/Specificitate/PPV/NPV
- Precizie
- Curba ROC
- Regresie Logistică Multiplă
- Regresie Logistică pentru >2 Clase de Răspuns
- Regresie Logistică Regularizată
Analiza Discriminantă Liniară
- Utilizarea Teoremei lui Bayes pentru Clasificare
- Analiza Discriminantă Liniară pentru p=1
- Analiza Discriminantă Liniară pentru p>1
Analiza Discriminantă Quadratică
K-Cei Mai Apropiați Vecini
- Clasificare cu Granițe de Decizie Neliniare
Mașini cu Vectori de Suport
- Obiectiv de Optimizare
- Clasificatorul de Margine Maximă
- Nuclee
- Clasificare Unu-împotriva-Unu
- Clasificare Unu-împotriva-Tuturor
Compararea Metodelor de Clasificare
Învățare Profundă
Introducere în Învățarea Profundă
Rețele Neuronale Artificiale (ANNs)
- Neuroni biologici și neuroni artificiali
- Ipoteză neliniară
- Reprezentarea modelului
- Exemple & Intuiții
- Funcție de Transfer/Funcții de Activare
- Clase Tipice de Arhitecturi de Rețea
- Rețea Feedforward
- Rețele Feedforward cu Mai Multe Straturi
- Algoritmul Backpropagation
- Backpropagation - Antrenare și Convergență
- Aproximare Funcțională cu Backpropagation
- Probleme Practice și de Proiectare în Învățarea Backpropagation
Învățare Profundă
- Inteligență Artificială & Învățare Profundă
- Regresie Softmax
- Învățare Autodidactă
- Rețele Profunde
- Demo-uri și Aplicații
Laborator:
Începutul Lucrului cu R
- Introducere în R
- Comenzi de Bază & Biblioteci
- Manipularea Datelor
- Importarea & Exportarea Datelor
- Rezumat Grafice și Numerice
- Scrierea Funcțiilor
Regresie
- Regresie Liniară Simplă & Multiplă
- Termeni de Interacțiune
- Transformări Neliniare
- Regresie cu Variabile Dummy
- Validare Încrucișată și Bootstrap
- Metode de Selecție a Subseturilor
- Penalizare (Ridge, Lasso, Elastic Net)
Clasificare
- Regresie Logistică, LDA, QDA și KNN
- Re-eșantionare & Regularizare
- Mașină cu Vectori de Suport
Note:
- Pentru algoritmii de ML, studii de caz vor fi folosite pentru a discuta aplicarea lor, avantajele și problemele potențiale.
- Analiza diferitelor seturi de date va fi realizată folosind R.
Cerințe
- Cunoștințe de bază despre concepte statistice sunt de dorit
Publicul Țintă
- Oameni de știință ai datelor
- Ingineri de învățare automată
- Dezvoltatori de software interesați de IA
- Cercetători care lucrează cu modelarea datelor
- Profesioniști care doresc să aplice învățarea automată în afaceri sau industrie
21 Ore
Mărturii (6)
Am avut o prezentare generală a învățării automatice (Machine Learning), rețelelor neuronale și inteligenței artificiale (AI) cu exemple practice.
Catalin - DB Global Technology SRL
Curs - Machine Learning and Deep Learning
Tradus de catre o masina
Ultima zi cu IA
Ovidiu - DB Global Technology SRL
Curs - Machine Learning and Deep Learning
Tradus de catre o masina
Exemplele care au fost selectate, partajate cu noi și explicite
Cristina - DB Global Technology SRL
Curs - Machine Learning and Deep Learning
Tradus de catre o masina
I really enjoyed the coverage and depth of topics.
Anirban Basu
Curs - Machine Learning and Deep Learning
Tradus de catre o masina
The training provided the right foundation that allows us to further to expand on, by showing how theory and practice go hand in hand. It actually got me more interested in the subject than I was before.
Jean-Paul van Tillo
Curs - Machine Learning and Deep Learning
Tradus de catre o masina
We have gotten a lot more insight in to the subject matter. Some nice discussion were made with some real subjects within our company.
Sebastiaan Holman
Curs - Machine Learning and Deep Learning
Tradus de catre o masina
