Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
课程大纲
监督学习:分类和回归
- 偏差-方差权衡
- 逻辑回归作为分类器
- 测量分类器性能
- 支持向量机
- 神经网络
- 随机森林
无监督学习:聚类、异常识别
- 主成分分析
- 自动编码器
高级神经网络架构
- 用于图像分析的卷积神经网络
- 用于时间结构化数据的递归神经网络
- 长短期记忆细胞
人工智能可以解决的问题的实际例子,例如
- 图像分析
- 预测复杂的财务序列,例如股票价格,
- 复杂模式识别
- 自然语言处理
- 推荐系统
用于人工智能应用的软件平台:
- TensorFlow、Theano、Caffe 和 Keras
- 使用 Apache Spark 实现大规模 AI:Mlib
了解 AI 方法的局限性:失败模式、成本和常见困难
- 过拟合
- 观测数据的偏差
- 缺少数据
- 神经网络中毒
要求
参加本课程不需要任何特定要求。
28 小时