Zkuste nás kontaktovat

Návrh Školení

Úvod do aplikovaného Machine Learningu

  • Statistické učení vs. strojové učení
  • Iterace a evaluace
  • Kompromis mezi zkreslením a rozptylem (Bias-Variance trade-off)

Dohledné učení a nedohledné učení

  • Jazyky, typy a příklady v Machine Learningu
  • Dohledné vs. nedohledné učení

Dohledné učení

  • Rozhodovací stromy
  • Náhodné lesy
  • Evaluce modelu

Machine Learning v Pythonu

  • Výběr knihoven
  • Dodatečné nástroje

Regresní analýza

  • Lineární regresní analýza
  • Generalizace a nelinearita
  • Cvičení

Klasifikace

  • Připomínka Bayesovy věty
  • Naive Bayes
  • Logistická regresní analýza
  • K-nejbližších sousedů
  • Cvičení

Křížová validace a resampling

  • Přístupy křížové validace
  • Bootstrap
  • Cvičení

Nedohledné učení

  • Shlukování K-means
  • Příklady
  • Výzvy nedohledného učení a možnosti nad rámec K-means

Neuronové sítě

  • vrstvy a uzly
  • Knihovny neuronových sítí v Pythonu
  • Práce se scikit-learn
  • Práce s PyBrain
  • Hluboké učení (Deep Learning)

Požadavky

Znání programovacího jazyka Python. Doporučuje se základní znalost statistiky a lineární algebry.

 28 Hodiny

Počet účastníků


Cena za účastníka

Reference (7)

Nadcházející kurzy

Související kategorie