Свържете се с нас
 Продължителност 28 часa

Съдържание и теми, включени в курса

Обучение с учител: класификация и регресия

  • Машинно обучение в Python: въведение в scikit-learn API
    • линейна и логистична регресия
    • опорни векторни машини
    • невронни мрежи
    • случайна гора
  • Изграждане на цялостен процес за обучение с учител със scikit-learn
    • работа с файлове с данни
    • попълване на липсващи стойности
    • обработка на категорийни променливи
    • визуализиране на данни

Python рамки за AI приложения:

  • TensorFlow, Theano, Caffe и Keras
  • AI в мащаб с Apache Spark: MLlib

Модерни архитектури на невронни мрежи

  • конволюционни невронни мрежи за анализ на изображения
  • рекурентни невронни мрежи за времево структурирани данни
  • клетка с дълга краткосрочна памет

Обучение без учител: клъстериране, откриване на аномалии

  • прилагане на анализ на главните компоненти със scikit-learn
  • прилагане на автоенкодери в Keras

Практически примери за проблеми, които AI може да решава (практически упражнения с Jupyter notebooks), напр.

  • анализ на изображения
  • прогнозиране на сложни финансови редове, като цени на акции,
  • разпознаване на сложни модели
  • обработка на естествен език
  • препоръчителни системи

Разбиране на ограниченията на AI методите: начини на отказ, разходи и често срещани трудности

  • пренастройване
  • компромис между отклонение и разсейване
  • пристрастия в наблюдателните данни
  • отравяне на невронни мрежи

Работа по приложен проект (по избор)

Изисквания

Няма специфични изисквания за посещение на този курс.

Брой участници


Цена за участник

Отзиви от участници (2)

Предстоящи Курсове

Свързани Kатегории