План на курса

    Въведение в ML Машинно обучение като част от изкуствения интелект Типове ML ML алгоритми Предизвикателства и потенциално използване на ML Пренастройване и компромис с отклонения в ML Техники на машинно обучение Работният процес на машинно обучение Наблюдавано обучение – Класификация, регресия Неконтролирано обучение – Клъстериране, Откриване на аномалии Полуконтролирано обучение и Reinforcement Learning Съображение при машинно обучение Предварителна обработка на данни Подготовка и трансформация на данни Инженеринг на функции Характеристика Мащабиране Намаляване на размерите и избор на променливи Визуализация на данни Проучвателен анализ Казуси Усъвършенствано инженерство на функции и въздействие върху резултатите в линейна регресия за прогнозиране Анализ на времеви редове и Прогнозиране на месечния обем на продажбите - основни методи, сезонна корекция, регресия, експоненциално изглаждане, ARIMA, невронни мрежи Анализ на пазарната кошница и добив на правила за асоцииране Анализ на сегментиране с използване на клъстери и самоорганизиращи се карти Класификация кой клиент е вероятно да не изпълни с помощта на логистична регресия, решение дървета, xgboost, svm

 

Изисквания

Познаване и осъзнаване на Machine Learning основи

  14 Hours
 

Брой участници


Започва

Свършва


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Свързани Kурсове

Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation

  21 Hours

Свързани Kатегории