План на курса
Въведение
Теория на вероятностите, избор на модел, теория на решенията и информацията
Вероятностни разпределения
Линейни модели за регресия и класификация
Neural Networks
Методи на ядрото
Машини с рядко ядро
Графични модели
Смесени модели и ЕМ
Приблизително заключение
Методи за вземане на проби
Непрекъснати латентни променливи
Последователни данни
Комбиниране на модели
Обобщение и заключение
Изисквания
- Разбиране на статистиката.
- Познаване на многовариантното смятане и основната линейна алгебра.
- Известен опит с вероятностите.
Публика
- Анализатори на данни
- Докторанти, изследователи и практици
Oтзиви от потребители (3)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Course - Artificial Neural Networks, Machine Learning, Deep Thinking
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
Very flexible