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.
План на курса
Учене под наблюдение: класификация и регресия
- Машинно обучение в Python: въведение в scikit-learn API линейна и логистична регресия поддръжка векторни машинни невронни мрежи произволна гора
TensorFlow, Theano, Caffe и Keras AI в мащаб с Apache Spark: Mlib
- Разширени архитектури на невронни мрежи
конволюционни невронни мрежи за анализ на изображения повтарящи се невронни мрежи за структурирани във времето данни клетката на дългата краткосрочна памет
- Неконтролирано обучение: групиране, откриване на аномалии
внедряване на анализ на главни компоненти със scikit-learn внедряване на автоенкодери в Keras
- Практически примери за проблеми, които AI може да реши (практически упражнения с помощта на преносими компютри Jupyter), напр.
анализ на изображения, прогнозиране на сложни финансови серии, като цени на акции, комплексно разпознаване на модели, обработка на естествен език, препоръчителни системи
- Разберете ограниченията на методите на ИИ: начини на отказ, разходи и често срещани трудности
прекомерно пристрастие/вариация компромис пристрастия в данните от наблюдения отравяне на невронна мрежа
- Приложна работа по проект (по избор)
Изисквания
Няма специфични изисквания, необходими за посещаване на този курс.
28 Hours
Oтзиви от потребители (2)
That it was applying real company data. Trainer had a very good approach by making trainees participate and compete
Jimena Esquivel - Zakład Usługowy Hakoman Andrzej Cybulski
Course - Applied AI from Scratch in Python
The trainer was a professional in the subject field and related theory with application excellently