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
应用机器学习导论
- 统计学习与机器学习
- 迭代与评估
- 偏差-方差权衡
- 监督学习与无监督学习
- 机器学习解决的问题
- 训练验证测试——避免过拟合的机器学习工作流程
- 机器学习的工作流程
- 机器学习算法
- 为问题选择合适的算法
算法评估
-
数值预测评估
- 准确性度量：ME, MSE, RMSE, MAPE
- 参数和预测稳定性
-
分类算法评估
- 准确性及其问题
- 混淆矩阵
- 不平衡类别问题
-
模型性能可视化
- 利润曲线
- ROC曲线
- 提升曲线
- 模型选择
- 模型调优——网格搜索策略
建模数据准备
- 数据导入与存储
- 理解数据——基本探索
- 使用pandas库进行数据操作
- 数据转换——数据整理
- 探索性分析
- 缺失值——检测与解决方案
- 异常值——检测与策略
- 标准化、归一化、二值化
- 定性数据重新编码
用于异常检测的机器学习算法
-
监督算法
- KNN
- 集成梯度提升
- SVM
-
无监督算法
- 基于距离的方法
- 基于密度的方法
- 基于概率的方法
- 基于模型的方法
理解深度学习
- 深度学习基本概念概述
- 区分机器学习与深度学习
- 深度学习应用概述
神经网络概述
- 什么是神经网络
- 神经网络与回归模型
- 理解数学基础与学习机制
- 构建人工神经网络
- 理解神经节点与连接
- 处理神经元、层及输入输出数据
- 理解单层感知器
- 监督学习与无监督学习的区别
- 学习前馈与反馈神经网络
- 理解前向传播与反向传播
使用Keras构建简单的深度学习模型
- 创建Keras模型
- 理解数据
- 指定深度学习模型
- 编译模型
- 拟合模型
- 处理分类数据
- 处理分类模型
- 使用模型
使用TensorFlow进行深度学习
-
数据准备
- 下载数据
- 准备训练数据
- 准备测试数据
- 缩放输入
- 使用占位符和变量
- 指定网络架构
- 使用成本函数
- 使用优化器
- 使用初始化器
- 拟合神经网络
-
构建图
- 推理
- 损失
- 训练
-
训练模型
- 图
- 会话
- 训练循环
-
评估模型
- 构建评估图
- 使用评估输出进行评估
- 大规模训练模型
- 使用TensorBoard可视化与评估模型
深度学习在异常检测中的应用
-
自编码器
- 编码器-解码器架构
- 重建损失
-
变分自编码器
- 变分推断
-
生成对抗网络
- 生成器-判别器架构
- 使用GAN进行异常检测的方法
集成框架
- 结合不同方法的结果
- 自助聚合
- 平均异常值分数
要求
- 具备Python编程经验
- 对统计和数学概念有基本了解
受众
- 开发者
- 数据科学家
28 小时
客户评论 (5)
该培训对深度学习模型和相关方法进行了有趣的概述。这个话题对我来说很新，但现在我觉得我实际上已经了解了人工智能和机器学习可以涉及什么，这些术语由什么组成以及如何有利地使用它们。总的来说，我喜欢从统计背景和基本学习模型（例如线性回归）开始的方法，特别强调两者之间的练习。
Konstantin - REGNOLOGY ROMANIA S.R.L.
课程 - Fundamentals of Artificial Intelligence (AI) and Machine Learning
机器翻译
安娜总是问是否有问题，并且总是试图通过提出问题来让我们更加活跃，这使我们所有人都真正参与了培训。
Enes Gicevic - REGNOLOGY ROMANIA S.R.L.
课程 - Fundamentals of Artificial Intelligence (AI) and Machine Learning
机器翻译
我喜欢它与实践的融合方式。
Bertan - REGNOLOGY ROMANIA S.R.L.
课程 - Fundamentals of Artificial Intelligence (AI) and Machine Learning
机器翻译
培训师的丰富经验/知识
Ovidiu - REGNOLOGY ROMANIA S.R.L.
课程 - Fundamentals of Artificial Intelligence (AI) and Machine Learning
机器翻译
VM 是个好主意
Vincent - REGNOLOGY ROMANIA S.R.L.
课程 - Fundamentals of Artificial Intelligence (AI) and Machine Learning
机器翻译
