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
Strojové učení
Úvod do Machine Learning
- Aplikace strojového učení Supervised Versus Unsupervised Learning Algoritmy strojového učení Regresní klasifikace Clustering Recommender System Detekce anomálií Reinforcement Learning
Regrese
- Jednoduchá a vícenásobná regrese Metoda nejmenších čtverců Odhad koeficientů Posouzení přesnosti odhadů koeficientů Posouzení přesnosti modelu Postestimační analýza Další úvahy v regresních modelech Kvalitativní prediktory Rozšíření lineárních modelů Potenciální problémy Vyrovnání odchylek-variance [nedostatečné přizpůsobení /over-fitting] pro regresní modely
Metody převzorkování
- Křížová validace Přístup k validační sadě Leave-One-Out Křížová validace k-Fold Křížová validace Bias-Variance Kompromis pro k-Fold The Bootstrap
Výběr a regulace modelu
- Výběr podmnožiny [Nejlepší výběr podmnožiny, postupný výběr, výběr optimálního modelu] Metody smršťování/regularizace [Hřebenová regrese, laso a elastická síť] Výběr parametru ladění Metody redukce rozměrů Hlavní komponenty Regrese Částečné nejmenší čtverce
Klasifikace
- Logistická regrese Nákladová funkce logistického modelu Odhadování koeficientů Vytváření předpovědí Poměr šancí Matice hodnocení výkonu [Citlivost/Specificita/PPV/NPV, přesnost, ROC křivka atd.] Vícenásobná logistická regrese Logistická regrese pro >2 třídy odezvy Regularizovaná logistická regrese
Posílat vpřed ANN.
Struktury vícevrstvých dopředných sítí Algoritmus zpětného šíření Zpětné šíření - trénování a konvergence Funkční aproximace se zpětným šířením Praktické a konstrukční problémy učení zpětného šíření
- Deep Learning
Umělá inteligence a Deep Learning Softmax Regrese Samouk Učení Deep Networks Ukázky a aplikace
- Laboratoř:
Začínáme s R
- Úvod do R Základní příkazy a knihovny Manipulace s daty Import a export dat Grafické a číselné souhrny Funkce pro psaní
Regrese
Jednoduchá a vícenásobná lineární regrese Pojmy interakce Nelineární transformace Falešná regrese proměnných Křížová validace a Bootstrap Metody výběru podmnožiny Penalizace [Ridge, Lasso, Elastic Net]
- Klasifikace
Logistická regrese, LDA, QDA a KNN, podpora převzorkování a regulace Převzorkování a regulace vektorových strojů
- Poznámka:
U algoritmů ML budou případové studie použity k diskusi o jejich aplikaci, výhodách a potenciálních problémech. Analýza různých souborů dat bude provedena pomocí R
Požadavky
Základní znalost statistických pojmů je žádoucí.
21 hodiny
Reference (4)
Měli jsme přehled o Machine Learning, Neural Networks, AI s praktickými příklady.
Catalin - DB Global Technology SRL
Kurz - Machine Learning and Deep Learning
Machine Translated
Poslední den s AI
Ovidiu - DB Global Technology SRL
Kurz - Machine Learning and Deep Learning
Machine Translated
Příklady, které jsme vybrali, sdíleli s námi a vysvětlili
Cristina - DB Global Technology SRL
Kurz - Machine Learning and Deep Learning
Machine Translated
Coverage and depth of topics
