Kursplan

Introduktion till tillämpad Machine Learning

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

Supervised Learning och Unsupervised Learning

  • Machine Learning Languages, Typer och Exempel
  • Övervakat vs oövervakat lärande

Övervakat lärande

  • Beslutsträd
  • Random Forests
  • Modellutvärdering

Machine Learning med Python

  • Val av bibliotek
  • Tilläggsverktyg

Regression

  • Linjär regression
  • Generaliseringar och olinjäritet
  • Övningar

Klassificering

  • Bayesiansk uppfräschning
  • Naiv Bayes
  • Logistisk tillbakagång
  • K-Närmaste grannar
  • Övningar

Korsvalidering och omsampling

  • Korsvalideringsmetoder
  • Bootstrap
  • Övningar

Oövervakat lärande

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

Neurala nätverk

  • Lager och noder
  • Python neurala nätverksbibliotek
  • Arbeta med scikit-learn
  • Jobbar med PyBrain
  • Deep Learning

Krav

Kunskaper i Python programmeringsspråk. Grundläggande förtrogenhet med statistik och linjär algebra rekommenderas.

  28 timmar

Antal deltagare



Price per participant

Vittnesmål (2)

Relaterade Kurser

Relaterade Kategorier