Kursplan
Introduktion till Maskininlärning och Google Colab
- Översikt över maskininlärning
- Ställa in Google Colab
- Python-uppdatering
Övervakad inlärning med Scikit-learn
- Regressionsmodeller
- Klassificeringsmodeller
- Modellutvärdering och optimering
Oövervakade inlärningstekniker
- Klusteringsalgoritmer
- Dimensionsreduktion
- Associationsregelapprendimento
Avancerade koncept inom maskininlärning
- Neuronnät och djupinlärning
- Support Vector Machines (SVM)
- Ensemble-metoder
Specialämnen inom maskininlärning
- Feature engineering (attributdesign)
- Hyperparameter-tuning (hyperparametertillställning)
- Modellinterpretation
Maskininlärningsprojektarbetsflöde
- Dataprep och förbehandling
- Modellväljare (modelselektion)
- Modellutveckling (modelldistribution)
Avslutande projekt
- Definiera problemformuleringen
- Datainsamling och rensning
- Modelltränings- och utvärdering
Sammanfattning och nästa steg
Krav
- Förståelse av grundläggande programmeringskoncept
- Erfarenhet av Python-programmering
- Bekantskap med grundläggande statistiska koncept
Målgrupp
- Dataanalytiker
- Programutvecklare
Vittnesmål (2)
Att hjälpa dem som aldrig har använt AI att uppnå bättre precision genom upprepade anpassningar av prompts, samt uppmuntra erfarna användare att utforska olika strategier för att använda tekniken.
Matthew Gay - Tarsus Pharmaceuticals
Kurs - Artificial Intelligence (AI) Overview
Maskintolkat
Att arbeta från grunderna på ett fokuserat sätt och övergå till att tillämpa fallstudier samma dag
Maggie Webb - Department of Jobs, Regions, and Precincts
Kurs - Artificial Neural Networks, Machine Learning, Deep Thinking
Maskintolkat