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
- Strojové učení v Python: úvod do scikit-learn API podpora lineární a logistické regrese vektorové strojové neuronové sítě náhodný les
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 buňka dlouhodobé krátkodobé paměti
- Učení bez dozoru: shlukování, detekce anomálií
implementace analýzy hlavních komponent pomocí scikit-learn implementace autoencoderů v Keras
- Praktické ukázky problémů, které umí AI řešit (praktická cvičení s notebooky Jupyter), např
analýza obrazu předpovídání komplexních finančních řad, jako jsou ceny akcií, komplexní systémy rozpoznávání vzorů pro zpracování přirozeného jazyka
- Pochopte omezení metod umělé inteligence: způsoby selhání, náklady a běžné potíže
přehnané zkreslení/variance kompromisní zkreslení v pozorovacích datech otrava neuronovou sítí
- 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