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.
Kursplan
Veiledet læring: klassifisering og regresjon
- Machine Learning i Python: introduksjon til scikit-learn API
- lineær og logistisk regresjon
- støtte vektor maskin
- nevrale nettverk
- tilfeldig skog
- Sette opp en ende-til-ende overvåket læringspipeline ved hjelp av scikit-learn
- arbeider med datafiler
- imputering av manglende verdier
- håndtering av kategoriske variabler
- visualisere data
Python rammer for AI-applikasjoner:
- TensorFlow, Theano, Caffe og Keras
- AI i skala med Apache Spark: Mlib
Avanserte nevrale nettverksarkitekturer
- konvolusjonelle nevrale nettverk for bildeanalyse
- tilbakevendende nevrale nettverk for tidsstrukturerte data
- den lange korttidsminnecellen
Uovervåket læring: klynging, oppdagelse av anomalier
- implementere hovedkomponentanalyse med scikit-learn
- implementere autoenkodere i Keras
Praktiske eksempler på problemer som AI kan løse (praktiske øvelser med Jupyter-notatbøker), f.eks.
- bildeanalyse
- prognoser komplekse finansserier, som aksjekurser,
- kompleks mønstergjenkjenning
- naturlig språkbehandling
- anbefalingssystemer
Forstå begrensninger ved AI-metoder: feilmåter, kostnader og vanlige vanskeligheter
- overmontering
- bias/varians avveining
- skjevheter i observasjonsdata
- nevrale nettverksforgiftning
Anvendt prosjektarbeid (valgfritt)
Krav
Det er ingen spesifikke krav for å delta på dette kurset.
28 timer
Testimonials (2)
That it was applying real company data. Trainer had a very good approach by making trainees participate and compete
Jimena Esquivel - Zaklad Uslugowy Hakoman Andrzej Cybulski
Kurs - Applied AI from Scratch in Python
The trainer was a professional in the subject field and related theory with application excellently