Kursplan

Övervakad inlärning: klassificering och regression

  • Avvägning mellan bias och varians
  • Logistisk regression som klassificerare
  • Mäta klassificerarens prestanda 
  • Stöd vektor maskiner
  • Neurala nätverk
  • Slumpmässiga skogar    

Oövervakad inlärning: klustring, avvikelsedetektering

  • Analys av huvudkomponent
  • autoencoders    

Avancerade arkitekturer för neurala nätverk

  • Faltningsneurala nätverk för bildanalys
  • Återkommande neurala nätverk för tidsstrukturerade data
  • Den långa korttidsminnescellen

Praktiska exempel på problem som AI kan lösa, t.ex.

  • Bildanalys
  • prognostisering av komplexa finansiella serier, t.ex. aktiekurser,
  • Komplex mönsterigenkänning
  • Behandling av naturligt språk
  • Rekommendationssystem    

Programvaruplattformar som används för AI-tillämpningar:

  • TensorFlow, Theano, Caffe och Keras
  • AI i stor skala med Apache Spark: Mlib    

Förstå begränsningar med AI-metoder: felsätt, kostnader och vanliga svårigheter

  • Överanpassning
  • Bias i observationsdata
  • Uppgifter saknas
  • Förgiftning av neurala nätverk

Krav

Det finns inga specifika krav som krävs för att gå denna kurs.

  28 timmar

Antal deltagare



Price per participant

Relaterade Kurser

Relaterade Kategorier