感谢您发送咨询!我们的团队成员将很快与您联系。
感谢您发送预订!我们的团队成员将很快与您联系。
课程大纲
Python中的AI概述
- AI的关键概念和范围
- Python的AI开发库
- AI项目结构和流程
AI数据准备
- 数据清洗、转换和特征工程
- 处理缺失和不平衡数据
- 特征缩放和编码
Supervised Learning技术
- 回归和分类算法
- 集成方法:Random Forest、Gradient Boosting
- 超参数调优和交叉验证
Unsupervised Learning技术
- 聚类方法:K-Means、DBSCAN、层次聚类
- 降维:PCA、t-SNE
- 无监督学习的应用场景
Neural Networks和Deep Learning
- TensorFlow和Keras简介
- 构建和训练前馈神经网络
- 优化神经网络性能
Reinforcement Learning(简介)
- 代理、环境和奖励的核心概念
- 实现基本的强化学习算法
- 强化学习的应用
部署AI模型
- 保存和加载训练好的模型
- 通过API将模型集成到应用中
- 在生产环境中监控和维护AI系统
总结与下一步
要求
- 扎实掌握Python编程基础知识
- 具备使用NumPy和pandas等数据分析库的经验
- 对机器学习概念和算法有基本了解
受众
- 希望扩展AI开发技能的软件开发人员
- 寻求将AI技术应用于复杂数据集的数据分析师
- 构建AI驱动应用的研发专业人员
35 小时
客户评论 (3)
使用与我们在项目中使用的数据(光栅格式的卫星图像)更相似的数据进行更多实践练习的事实
Matthieu - CS Group
课程 - Scaling Data Analysis with Python and Dask
机器翻译
Very good preparation and expertise of a trainer, perfect communication in English. The course was practical (exercises + sharing examples of use cases)
Monika - Procter & Gamble Polska Sp. z o.o.
课程 - Developing APIs with Python and FastAPI
Trainer develops training based on participant's pace