课程大纲

    ML 简介 机器学习是人工智能的一部分 ML 的类型 ML 算法 ML的挑战和潜在用途 ML 中的过拟合和偏差-方差权衡 机器学习技术 机器学习工作流 监督学习 – 分类、回归 无监督学习 – 聚类、异常检测 半监督学习和 Reinforcement Learning 机器学习中的注意事项 数据预处理 数据准备和转换 特征工程 特征缩放 降维和变量选择 数据可视化 探索性分析 案例研究 高级特征工程及其对线性回归结果的影响,用于预测 时间序列分析和预测每月销售 量 - 基本方法、季节性调整、回归、指数平滑、ARIMA、神经网络 市场篮分析与关联规则挖掘 使用聚类和自组织映射进行分割分析 使用逻辑回归、决策树、xgboost、svm 对哪些客户可能违约进行分类

 

要求

对 Machine Learning 基础的知识和认识

  14 小时
 

人数


开始

完结


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

相关课程

课程分类