感谢您的预订!我们的团队成员将会尽快与您取得联系。
感谢您的预订!我们的团队成员将会尽快与您取得联系。
课程大纲
监督学习:分类和回归
-
Python 中的机器学习:scikit-learn API 简介
线性回归和逻辑回归
支持向量机
神经网络
随机森林
TensorFlow、Theano、Caffe 和 Keras 使用 Apache Spark 实现大规模 AI:Mlib
-
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
-
无监督学习:聚类、异常检测
使用 scikit-learn 实现主成分分析 在 Keras 中实现自动编码器
-
AI 可以解决的问题的实际示例(使用 Jupyter 笔记本的动手练习),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
-
了解 AI 方法的局限性:失败模式、成本和常见困难
过拟合 偏差/方差权衡 观测数据的偏差 神经网络中毒
-
应用项目工作(可选)
要求
参加本课程不需要任何特定要求。
28 小时
客户评论 (2)
That it was applying real company data. Trainer had a very good approach by making trainees participate and compete
Jimena Esquivel - Zakład Usługowy Hakoman Andrzej Cybulski
课程 - Applied AI from Scratch in Python
The trainer was a professional in the subject field and related theory with application excellently