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 maskininlärning Typer av maskininlärning – övervakad vs oövervakad inlärning Från statistisk inlärning till maskininlärning Arbetsflödet för datautvinning: affärsförståelse av dataförståelse Dataförberedelse Modellering Utvärdering Implementering Maskininlärningsalgoritmer Välja lämplig algoritm för problemet Överanpassning och bias-varians-avvägning i ML ML bibliotek och programmeringsspråk Varför använda ett programmeringsspråk Välja mellan R och Python Python snabbkurs Python-resurser Python-bibliotek för maskininlärning Jupyter-anteckningsböcker och interaktiv kodning Testa ML-algoritmer Generalisering och överanpassning Undvika överanpassning Holdout-metod Korsvalidering Bootstrapping Utvärdera numeriska förutsägelser Mått på numeriska förutsägelser: ME, MSE, RMSE, MAPE Parameter- och förutsägelsestabilitet Utvärdera klassificeringsalgoritmer Noggrannhet och dess problem Förvirringsmatrisen Obalanserade klassproblem Visualisering av modellprestanda Vinstkurva ROC-kurva Lyftkurva Modellval Modellinställning – rutnätssökningsstrategier Exempel i Python Dataförberedelse Dataimport och -lagring Förstå data – grundläggande utforskningar Datamanipulationer med pandorbibliotek Datatransformationer – Datatvistelse Utforskande analys Saknade observationer – upptäckt och lösningar Outliers – upptäckt och strategier Standarisering, normalisering, binarisering Kvalitativ dataomkodning Exempel i Python-klassificering Binär vs multiklassklassificering Klassificering via matematiska funktioner Linjär diskriminantfunktioner Kvadratiska diskriminantfunktioner Logistisk regression och sannolikhetsansats k-närmaste grannar Naiva Bayes Beslutsträd CART Bagging Random Forests Boosting Xgboost Support Vector Maskiner och kärnor Maximal Margin Classifier Support Vector Machine Ensembleinlärning Exempel i Python Regression och numerisk prediktion Minsta kvadrater Variabler urvalstekniker Regularisering och stabilitet- L1, L2 Icke-linjäriteter och generaliserade minsta kvadrater Polynomregression Regressionsplines Regressionsträd Exempel i Python Oövervakad inlärning Clustering Centroidbaserad klustring – k-medel, k-medoider, PAM, CLARA- Hierarkisk klustring – Diana, Agnes Model baserad klustring - EM Självorganiserande kartor Utvärdering och bedömning av kluster Dimensionalitetsreduktion Huvudkomponentanalys och faktoranalys Singular värdenedbrytning Flerdimensionell skalningsexempel i Python Textutvinning Förbearbetning av data Bag-of-words modellen Stemming och lemmisering Analysera ordfrekvenser Sentimentanalys Skapa ordmoln Exempel i Python Recommendations-motorer och kollaborativ filtrering Rekommendationsdata Användarbaserad kollaborativ filtrering Artikelbaserad kollaborativ filtrering Exempel i Python Association mönsterutvinning Frequent itemset-algoritm Marknadskorganalys Exempel i Python Outlier Analysis Extremvärdesanalys Avståndsbaserad outlier-detektionsmetod Densitet- dimensionell avvikelsedetektering Exempel i fallstudie av Python Machine Learning Affärsproblemförståelse Dataförbearbetning Algoritmval och justering Utvärdering av resultat Implementering
Krav
Kunskap och medvetenhet om Machine Learning grunder
21 timmar
Vittnesmål (3)
Even with having to miss a day due to customer meetings, I feel I have a much clearer understanding of the processes and techniques used in Machine Learning and when I would use one approach over another. Our challenge now is to practice what we have learned and start to apply it to our problem domain
Richard Blewett - Rock Solid Knowledge Ltd
Kurs - Machine Learning – Data science
I like that training was focused on examples and coding. I thought that it is impossible to pack so much content into three days of training, but I was wrong. Training covered many topics and everything was done in a very detailed manner (especially tuning of model's parameters - I didn't expected that there will be a time for this and I was gratly surprised).
Bartosz Rosiek - GE Medical Systems Polska Sp. Zoo
Kurs - Machine Learning – Data science
It is showing many methods with pre prepared scripts- very nicely prepared materials & easy to traceback
