聯繫我們
 課程時長 28 時間:

課程簡介

監督式學習:分類和迴歸

  • Python中的機器學習:scikit-learn API簡介
    • 線性和邏輯迴歸
    • 支援向量機
    • 神經網路
    • 隨機森林
  • 使用scikit-learn設定端對端的監督式學習管線
    • 處理資料檔案
    • 填補缺失值
    • 處理類別變數
    • 資料視覺化

用於AI應用程式的Python框架:

  • TensorFlow、Theano、Caffe和Keras
  • 使用Apache Spark擴展AI:MLlib

進階神經網路架構

  • 用於影像分析的卷積神經網路
  • 用於時間結構資料的遞迴神經網路
  • 長短期記憶單元

非監督式學習:聚類、異常偵測

  • 使用scikit-learn實作主成分分析
  • 在Keras中實作自動編碼器

AI可解決問題的實例(使用Jupyter notebooks的實作練習),例如:

  • 影像分析
  • 預測複雜金融序列,如股價
  • 複雜模式識別
  • 自然語言處理
  • 推薦系統

了解AI方法的限制:失敗模式、成本和常見困難

  • 過度擬合
  • 偏誤/變異數取捨
  • 觀察資料中的偏誤
  • 神經網路中毒

應用專案(選修)

最低要求

參加本課程無需任何特定要求。

人數


每位參與者的報價

客戶評論 (2)

即將到來的課程

課程分類