Návrh Školení
Úvod do aplikovaného Machine Learning
- Statistické učení vs. strojové učení Iterace a vyhodnocení kompromis mezi odchylkou a odchylkou
Strojové učení s Python
- Výběr knihoven Doplňkové nástroje
Regrese
- Lineární regrese zobecnění a nelineární cvičení
Klasifikace
- Bayesovské osvěžení Naivní Bayes Logistická regrese K-Nejbližší sousedé Cvičení
Křížová validace a převzorkování
- Přístupy křížové validace Bootstrap Cvičení
Učení bez dozoru
- Příklady shlukování K-prostředků Výzvy učení bez dozoru a nad rámec K-středů
Požadavky
Znalost programovacího jazyka Python. Doporučuje se základní znalost statistiky a lineární algebry.
Reference (5)
Trenér ukázal, že tématu dobře rozumí.
Marino - EQUS - The University of Queensland
Kurz - Machine Learning with Python – 2 Days
Machine Translated
Bylo to skvělé intro do ML!! Celé se mi to líbilo, opravdu. Organizace byla perfektní. Správné množství času na přednášky/dema a jen na nás hraní. Dotklo se mnoha témat, jen na správné úrovni. Byl také velmi dobrý v tom, že nás udržoval v plném záběru, a to i bez zapnuté kamery.
Zsolt - EQUS - The University of Queensland
Kurz - Machine Learning with Python – 2 Days
Machine Translated
Jasné vysvětlení a informované odpovědi na otázky.
Harish - EQUS - The University of Queensland
Kurz - Machine Learning with Python – 2 Days
Machine Translated
The knowledge of the trainer was very high and the material was well prepared and organised.
Otilia - TCMT
Kurz - Machine Learning with Python – 2 Days
I thought the trainer was very knowledgeable and answered questions with confidence to clarify understanding.