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
基础 Machine Learning
- Machine Learning 概念和工作流简介
- 监督学习与无监督学习
- 评估机器学习模型：指标和技术
贝叶斯方法
- 朴素贝叶斯和多项式模型
- 贝叶斯分类数据分析
- 贝叶斯图形模型
回归技术
- 线性回归
- Logistic 回归
- 广义线性模型 （GLM）
- 混合模型和增材模型
降维
- 主成分分析 （PCA）
- 因数分析 （FA）
- 独立成分分析 （ICA）
分类方法
- K 最近邻 （KNN）
- 用于回归与分类的支援向量机 （SVM）
- 提升和整合模型
Neural Networks
- 神经网路简介
- 深度学习在分类和回归中的应用
- 训练和调整神经网路
高级演算法和模型
- 隐玛律可夫模型 （HMM）
- 状态空间模型
- EM 演算法
聚类技术
- 聚类和无监督学习简介
- 流行的聚类演算法：K-Means、Hierarchical Clustering
- 集群的使用案例和实际应用
总结和后续步骤
要求
- 对统计和数据分析有基本的了解
- Programming 具有 R、Python 或其他相关程式设计语言的经验
观众
- 数据科学家
- 统计
14 小时
客户评论 (5)
有运动和展示的变化。
Ida Sjoberg - Swedish National Debt Office
课程 - Econometrics: Eviews and Risk Simulator
机器翻译
它内容丰富且有用
Brenton - Lotterywest
课程 - Building Web Applications in R with Shiny
机器翻译
许多与培训主题相关的示例和练习。
Tomasz - Ministerstwo Zdrowia
课程 - Advanced R Programming
机器翻译
the trainer had patience, and was eager to make sure we all understood the topics, the classes were fun to attend
Mamonyane Taoana - Road Safety Department
课程 - Statistical Analysis using SPSS
The pace was just right and the relaxed atmosphere made candidates feel at ease to ask questions.
