Kom i kontakt
 Varaktighet 35 timmar

Kursplan

Översikt över KI i Python

  • Centrala begrepp och omfattning för KI
  • Python-bibliotek för KI-utveckling
  • Struktur och arbetsflöde för KI-projekt

Dataförberedelse för KI

  • Rensning, transformering och funktionstillverkning av data
  • Hantering av saknade och obalanserade data
  • Funktionsskalning och kodning

Metoder för övervakad inlärning

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

Metoder för övervakad inlärning

  • Klustermetoder: K-Means, DBSCAN, hierarkisk klusterbildning
  • Dimensionreducering: PCA, t-SNE
  • Användningsfall för övervakad inlärning

Neurala nätverk och djupinlärning

  • Introduktion till TensorFlow och Keras
  • Byggande och träning av framåtledande neurala nätverk
  • Optimering av neurala nätverksprestanda

Stärkande inlärning (Introduktion)

  • Kärnbegrepp för agenter, miljöer och belöningar
  • Implementering av grundläggande starka inlärningsalgoritmer
  • Attningar för starka inlärning

Distribution av KI-modeller

  • Spara och ladda in tränade modeller
  • Integration av modeller i applikationer via API:er
  • Övervakning och underhåll av KI-system i produktion

Sammanfattning och nästa steg

Krav

  • Solid förståelse för grundläggande Python-programmering
  • Erfarenhet av dataanalyzbibliotek såsom NumPy och pandas
  • Grundläggande kunskaper om begrepp och algoritmer för maskininlärning

Målgrupp

  • Programvaruutvecklare som vill utöka sina färdigheter inom KI-utveckling
  • Dataanalytiker som vill tillämpa KITEknik på komplexa dataset
  • FoO-personer som bygger KI-drivna applikationer

Antal deltagare


Pris per deltagare

Vittnesmål (2)

Kommande Kurser

Relaterade Kategorier