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。
課程簡介
基礎 Machine Learning
- Machine Learning 概念和工作流簡介
- 監督學習與無監督學習
- 評估機器學習模型:指標和技術
貝葉斯方法
- 樸素貝葉斯和多項式模型
- 貝葉斯分類數據分析
- 貝葉斯圖形模型
回歸技術
- 線性回歸
- Logistic 回歸
- 廣義線性模型 (GLM)
- 混合模型和增材模型
降維
- 主成分分析 (PCA)
- 因數分析 (FA)
- 獨立成分分析 (ICA)
分類方法
- K 最近鄰 (KNN)
- 用於回歸與分類的支援向量機 (SVM)
- 提升和整合模型
Neural Networks
- 神經網路簡介
- 深度學習在分類和回歸中的應用
- 訓練和調整神經網路
高級演算法和模型
- 隱瑪律可夫模型 (HMM)
- 狀態空間模型
- EM 演算法
聚類技術
- 聚類和無監督學習簡介
- 流行的聚類演算法:K-Means、Hierarchical Clustering
- 集群的使用案例和實際應用
總結和後續步驟
最低要求
- 對統計和數據分析有基本的瞭解
- Programming 具有 R、Python 或其他相關程式設計語言的經驗
觀眾
- 數據科學家
- 統計
14 小時
客戶評論 (3)
培訓師的知識, 基於定製, 涵蓋所有主題
eleni - EUAA
課程 - Forecasting with R
機器翻譯
通過練習和展示的變體。
Ida Sjoberg - Swedish National Debt Office
課程 - Econometrics: Eviews and Risk Simulator
機器翻譯
以Statcan和CER爲例的實際應用。
Matthew - Natural Resources Canada
課程 - Data Analytics With R
機器翻譯