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.
Návrh Školení
Řízené učení: klasifikace a regrese
- Machine Learning v Python: úvod do scikit-learn API
- lineární a logistická regrese
- podpora vektorového stroje
- neuronové sítě
- náhodný les
- Nastavení end-to-end vedení učení pod dohledem pomocí scikit-learn
- práci s datovými soubory
- imputace chybějících hodnot
- zacházení s kategorickými proměnnými
- vizualizace dat
Python rámce pro aplikace AI:
- TensorFlow, Theano, Caffe a Keras
- AI v měřítku s Apache Spark: Mlib
Pokročilé architektury neuronových sítí
- konvoluční neuronové sítě pro analýzu obrazu
- rekurentní neuronové sítě pro časově strukturovaná data
- buňku dlouhodobé krátkodobé paměti
Učení bez dozoru: shlukování, detekce anomálií
- implementace analýzy hlavních komponent pomocí scikit-learn
- implementace automatických kodérů v Keras
Praktické příklady problémů, které umí AI řešit (praktická cvičení s Jupyter notebooky), např
- analýza obrazu
- předpovídání složitých finančních řad, jako jsou ceny akcií,
- komplexní rozpoznávání vzorů
- zpracování přirozeného jazyka
- doporučovací systémy
Pochopte omezení metod umělé inteligence: způsoby selhání, náklady a běžné potíže
- přepastování
- kompromis zkreslení/variance
- zkreslení v pozorovacích datech
- otrava neuronové sítě
Aplikovaná projektová práce (volitelné)
Požadavky
Pro účast v tomto kurzu nejsou vyžadovány žádné zvláštní požadavky.
28 hodiny
Reference (2)
That it was applying real company data. Trainer had a very good approach by making trainees participate and compete
Jimena Esquivel - Zakład Usługowy Hakoman Andrzej Cybulski
Kurz - Applied AI from Scratch in Python
The trainer was a professional in the subject field and related theory with application excellently