Intrati in legatura

Schița de curs

Învățare supervizată: clasificare și regresie

  • Machine Learning în Python: introducere în API-ul scikit-learn
    • regresie liniară și logistică
    • support vector machine
    • rețele neuronale
    • random forest
  • Configurarea unui pipeline de învățare supervizată end-to-end folosind scikit-learn
    • lucrul cu fișiere de date
    • imputarea valorilor lipsă
    • gestionarea variabilelor categorice
    • vizualizarea datelor

Framework-uri Python pentru aplicații AI:

  • TensorFlow, Theano, Caffe și Keras
  • AI la scară cu Apache Spark: MLlib

Arhitecturi avansate de rețele neuronale

  • rețele neuronale convoluționale pentru analiza imaginilor
  • rețele neuronale recurente pentru date structurate în timp
  • celula long short-term memory

Învățare nesupervizată: clustering, detecția anomaliilor

  • implementarea analizei componentelor principale cu scikit-learn
  • implementarea autoencoderelor în Keras

Exemple practice de probleme pe care AI le poate rezolva (exerciții hands-on folosind notebook-uri Jupyter), de ex.

  • analiza imaginilor
  • prognozarea seriilor financiare complexe, precum prețurile acțiunilor,
  • recunoașterea tiparelor complexe
  • procesarea limbajului natural
  • sisteme de recomandare

Înțelegerea limitărilor metodelor AI: moduri de eșec, costuri și dificultăți comune

  • overfitting
  • compromisul bias/varianță
  • bias-uri în datele observaționale
  • otrăvirea rețelelor neuronale

Lucru la proiect aplicat (opțional)

Cerințe

Nu există cerințe specifice necesare pentru a participa la acest curs.

 28 Ore

Numărul de participanți


Pret per participant

Mărturii (2)

Cursuri viitoare

Categorii înrudite