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
Introduktion till tillämpad Machine Learning
- Statistisk inlärning vs. maskininlärning Iteration och utvärdering Bias-Varians-avvägning Övervakad vs oövervakad inlärningsproblem lösta med Machine Learning Train Validation Test – ML-arbetsflöde för att undvika överanpassning Arbetsflöde för Machine Learning Maskininlärningsalgoritmer Välja lämplig algoritm för problemet
Algoritm utvärdering
- Utvärdera numeriska förutsägelser Mått på noggrannhet: ME, MSE, RMSE, MAPE Parameter och förutsägelsestabilitet
Övervakade algoritmer KNN Ensemble Gradient Boosting SVM
- Oövervakade algoritmer Avståndsbaserade
Densitetsbaserade metoder
- Probabilistiska metoder
Bygg enkla modeller för djupinlärning med Keras
- Skapa en Keras modell Förstå dina data Specificera din djupinlärningsmodell Kompilera din modell Anpassa din modell Arbeta med dina klassificeringsdata Arbeta med klassificeringsmodeller Använda dina modeller
Arbeta med TensorFlow för Deep Learning
- Förbereda data Ladda ner data Förbereda träningsdata Förbereda testdata Skalingångar med hjälp av platshållare och variabler
Specificering av nätverksarkitekturen
- Använda kostnadsfunktionen
Använda Optimizer
- Använda initierare
Krav
- Erfarenhet av Python programmering
- Grundläggande förtrogenhet med statistik och matematiska begrepp
Publik
- Utvecklare
- Dataforskare
28 timmar