Kursplan

Introduktion till Neural Networks

Introduktion till tillämpad Machine Learning

  • Statistisk inlärning vs. maskininlärning
  • Iteration och utvärdering
  • Bias-Varians avvägning

Machine Learning med Python

  • Val av bibliotek
  • Tilläggsverktyg

Maskininlärningskoncept och applikationer

Regression

  • Linjär regression
  • Generaliseringar och olinjäritet
  • Användningsfall

Klassificering

  • Bayesiansk uppfräschning
  • Naiv Bayes
  • Logistisk tillbakagång
  • K-Närmaste grannar
  • Use Cases

Korsvalidering och omsampling

  • Korsvalideringsmetoder
  • Bootstrap
  • Use Cases

Oövervakat lärande

  • K- betyder klustring
  • Exempel
  • Utmaningar av oövervakat lärande och bortom K-medel

Kort introduktion till NLP-metoder

  • ord- och meningstokenisering
  • textklassificering
  • sentimentanalys
  • stavningskorrigering
  • informationsutvinning
  • analysera
  • betyder utvinning
  • fråga svar

Artificiell intelligens och Deep Learning

Teknisk översikt

  • R v/s Python
  • Caffe v/s Tensor Flow
  • Olika Machine Learning bibliotek

Fallstudier från industrin

Krav

  1. Bör ha grundläggande kunskaper om affärsverksamhet samt tekniska kunskaper
  2. Du ska ha grundläggande förståelse för mjukvara och system
  3. Grundläggande förståelse för Statistics (i Excel-nivåer)
  21 timmar

Antal deltagare


Starts

Ends


Dates are subject to availability and take place between 09:30 and 16:30.

Price per participant

Vittnesmål (1)

Relaterade Kurser

Relaterade Kategorier