Kom i kontakt
 Varaktighet 35 timmar

Kursplan

Översikt över KI inom Python

  • Centrala begrepp och räckvidd för KI
  • Python-bibliotek för KI-utveckling
  • KI-projektstruktur och arbetsflöde

Dataförberedelse för KI

  • Datarengöring, transformation och funktionstillverkning
  • Hantering av saknad och obalanserad data
  • Funktionsskalning och kodering

Metoder för övervakad inlärning

  • Regression- och klassificeringsalgoritmer
  • Ensemblemetoder: Random Forest, Gradient Boosting
  • Hyperparameterjustering och korsvalidering

Metoder för overvakad inlärning

  • Klustermetoder: K-Means, DBSCAN, hierarkisk klustrering
  • Dimensionsreduktion: PCA, t-SNE
  • Användningsfall för overvakad inlärning

Neurala nätverk och djup inlärning

  • Introduktion till TensorFlow och Keras
  • Bygga och träna feedforward neurala nätverk
  • Optimera neurala nätverks prestanda

Förstärkningslärning (Introduktion)

  • Centrala begrepp för agenter, miljöer och belöningar
  • Implementera grundläggande förstärkningslärningsalgoritmer
  • tillämpningar av förstärkningslärning

Distribution av KI-modeller

  • Spara och ladda tränade modeller
  • Integrera modeller i applikationer via API:er
  • Övervaka och underhålla KI-system i produktion

Sammanfattning och nästa steg

Krav

  • God förståelse för Python-programmeringsgrunder
  • Upplevelse med dataanalysbibliotek som NumPy och pandas
  • Grundläggande kunskaper om begrepp och algoritmer inom maskininlärning

Målgrupp

  • Mjukvaruutvecklare som vill utöka sina färdigheter inom KI-utveckling
  • Dataanalytiker som söker tillämpa KI-metoder på komplexa datamängder
  • F&O-professionella som bygger KI-drivna applikationer

Antal deltagare


Pris per deltagare

Vittnesmål (2)

Kommande Kurser

Relaterade Kategorier