Kursplan

  1. Introduktion till ML
    • Maskininlärning som en del av artificiell intelligens
    • Typer av ML
    • ML-algoritmer
    • Utmaningar och potential för användning av ML
    • Överanpassning och bias-varianstransaktion i ML
  2. Tekniker inom maskininlärning
    • Machine Learning Arbetsflödet
    • Övervakad inlärning – Klassificering, Regression
    • Oövervakad inlärning – Klusteranalys, Anomalidetektering
    • Halvövervakad inlärning och Reinforcement Learning
    • Överväganden i Machine Learning
  3. Databearbetning
    • Dataförberedelse och transformation
    • Feature engineering
    • Feature Scaling
    • Dimensionalitetsreduktion och variabelval
    • Datavisualisering
    • Utforskande analys
  4. Fallstudier
    • Avancerad feature engineering och påverkan på resultat i linjär regression för prognostisering
    • Tidssekvensanalys och Forecasting månadsvolym av försäljning – grundläggande metoder, säsongsjustering, regression, exponentiell glättning, ARIMA, neurala nätverk
    • Marknadskorgsanalys och föreningsregelgruvdrift
    • Segmentationsanalys med hjälp av klusteranalys och självorganiserande kartor
    • Klassificering av vilken kund som är benägen att förfalla med hjälp av logistisk regression, beslutsträd, xgboost, svm

Krav

Kunskap och medvetenhet om Machine Learning fundamentals

 14 timmar

Antal deltagare


Price per participant

Vittnesmål (2)

Upcoming Courses

Relaterade Kategorier