Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Machine Learning
Úvod do Machine Learningu
- Aplikace strojového učení
- Supervised versus unsupervised learning (dozorované vs. nedozorované učení)
- Algoritmy strojového učení
- Regrese
- Klasifikace
- Klastrování
- Systém doporučování
- Detekce anomálií
- Posilovací učení (reinforcement learning)
Regrese
- Jednoduchá a vícekotná regrese
- Metoda nejmenších čtverců
- Odhad koeficientů
- Ocenění přesnosti odhadu koeficientů
- Ocenění přesnosti modelu
- Analyza po odhadu
- Jiné důležitosti v regresních modelech
- Kvalitativní prediktory
- Rozšíření lineárních modelů
- Potenciální problémy
- Vztah mezi přesností a variabilitou (underfitting/overfitting) pro regresní modely
Resampling metody
- Křížová validace
- Přístup s validační množinou
- Křížová validace s vyloučením jedné ukázky (leave-one-out)
- k-Složková křížová validace (k-fold)
- Vztah mezi přesností a variabilitou pro k-složkovou křížovou validaci
- Bootstrap metoda
Výběr modelu a regularizace
- Výběr podmnožiny
- Výběr nejlepší podmnožiny
- Krokový výběr
- Výběr optimálního modelu
- Metody zmenšení/regularizace
- Ridge regrese
- Lasso a Elastic Net
- Výběr parametru optimalizace (tuning parameter)
- Metody redukce dimenzí
- Regrese hlavních komponent
- Cástečná regrese nejmenších čtverců (partial least squares)
Klasifikace
Logistická regrese
- Funkce nákladů logistického modelu
- Odhad koeficientů
- Předpověď
- Poměr šancí (odds ratio)
- Matice hodnocení výkonu
- Citlivost/specificita/PPV/NPV
- Přesnost
- Křivka ROC
- Vícenásobná logistická regrese
- Logistická regrese pro >2 třídy odpovědí
- Regularizovaná logistická regrese
Lineární diskriminační analýza
- Použití Bayesovy věty pro klasifikaci
- Lineární diskriminační analýza pro p=1
- Lineární diskriminační analýza pro p>1
Kvadratická diskriminační analýza
k-Nearest Neighbors (k-nejbližších sousedů)
- Klasifikace s nelíniovými rozhodovacími hranicemi
Support Vector Machines (podporující vektory)
- Cíl optimalizace
- Maximální marginální klasifikátor
- Jádra
- Klasifikace One-Versus-One
- Klasifikace One-Versus-All
Srovnání metod klasifikace
Deep Learning
Úvod do Deep Learningu
Umělé neuronové sítě (ANNs)
- Biologické a umělé neurony
- Nelíniová hypotéza
- Představivost modelu
- Příklady & intuitivity
- Transferovací funkce/aktivní funkce
- Běžné třídy architektur sítí
- Vedlejší umělá neuronová síť (feedforward ANN)
- Násobně vedlejší sítě (multi-layer feedforward networks)
- Backpropagation algoritmus
- Backpropagation - trénování a konvergence
- Funkční aproximace s backpropagation
- Postranní a designové problémy učení backpropagation
Deep Learning
- Umělá inteligence & deep learning
- Softmax regrese
- Samoúčící se učení (self-taught learning)
- Hluboké sítě (deep networks)
- Démonstrace a aplikace
Laboratoř:
Začínáme s R
- Úvod do R
- Základní příkazy & knihovny
- Manipulace daty
- Import a export dat
- Grafické a numerické shrnutí
- Napsání funkcí
Regrese
- Jednoduchá a vícekotná lineární regrese
- Interakční členy
- Nelíniové transformace
- Dummy proměnná regrese
- Křížová validace a bootstrap
- Výběr podmnožiny metod
- Potrestání (Ridge, Lasso, Elastic Net)
Klasifikace
- Logistická regrese, LDA, QDA a KNN
- Resampling & regularizace
- Support Vector Machine (SVM)
Poznámky:
- Při algoritmech strojového učení budou použity případové studie k diskusi jejich aplikace, výhod a potenciálních problémů.
- Analýza různých datových sad bude prováděna pomocí R.
Požadavky
- Základní znalost statistických konceptů je požadována
Cílová skupina
- Data science specialisté
- Inženýři strojového učení
- Softwaroví vývojáři zajímající se o AI
- Vědci pracující s modelováním dat
- Odborníci, kteří chtějí aplikovat strojové učení v podnikání nebo průmyslu
21 hodiny
Reference (6)
Měli jsme přehled o Machine Learning, Neural Networks, AI s praktickými příklady.
Catalin - DB Global Technology SRL
Kurz - Machine Learning and Deep Learning
Přeloženo strojem
Poslední den s AI
Ovidiu - DB Global Technology SRL
Kurz - Machine Learning and Deep Learning
Přeloženo strojem
Příklady, které jsme vybrali, sdíleli s námi a vysvětlili
Cristina - DB Global Technology SRL
Kurz - Machine Learning and Deep Learning
Přeloženo strojem
I really enjoyed the coverage and depth of topics.
Anirban Basu
Kurz - Machine Learning and Deep Learning
The training provided the right foundation that allows us to further to expand on, by showing how theory and practice go hand in hand. It actually got me more interested in the subject than I was before.
Jean-Paul van Tillo
Kurz - Machine Learning and Deep Learning
We have gotten a lot more insight in to the subject matter. Some nice discussion were made with some real subjects within our company.
