Intrati in legatura

Schița de curs

Introducere în Machine Learning Aplicat

  • Învățare statistică vs. Machine learning
  • Iterație și evaluare
  • Compromisul bias-varianță

Învățare supervizată și învățare nesupervizată

  • Limbaje, tipuri și exemple de Machine Learning
  • Învățare supervizată vs. nesupervizată

Învățare supervizată

  • Arbori de decizie
  • Random Forests
  • Evaluarea modelului

Machine Learning cu Python

  • Alegerea librăriilor
  • Instrumente suplimentare

Regresie

  • Regresie liniară
  • Generalizări și neliniaritate
  • Exerciții

Clasificare

  • Recapitulare Bayesiană
  • Naive Bayes
  • Regresie logistică
  • K-Nearest Neighbors
  • Exerciții

Validare încrucișată și reeșantionare

  • Abordări de validare încrucișată
  • Bootstrap
  • Exerciții

Învățare nesupervizată

  • Clustering K-means
  • Exemple
  • Provocări ale învățării nesupervizate și dincolo de K-means

Rețele neuronale

  • Straturi și noduri
  • Librării Python pentru rețele neuronale
  • Lucrul cu scikit-learn
  • Lucrul cu PyBrain
  • Deep Learning

Cerințe

Cunoștințe de limbaj de programare Python. Se recomandă familiaritate de bază cu statistica și algebra liniară.

 28 Ore

Numărul de participanți


Pret per participant

Mărturii (7)

Cursuri viitoare

Categorii înrudite