感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
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。
客戶評論 (2)
它應用了真實的公司數據。培訓師採用了一種非常好的方法,讓學員參與並競爭。
Jimena Esquivel - Zaklad Uslugowy Hakoman Andrzej Cybulski
課程 - Applied AI from Scratch in Python
機器翻譯
培訓師是該領域的專業人士,能夠出色地將理論與實際應用相結合
Fahad Malalla - Tatweer Petroleum
課程 - Applied AI from Scratch in Python
機器翻譯