Kom i kontakt

Kursplan

Introduktion till tillämpad maskininlärning

  • Statistisk inlärning vs maskininlärning
  • Iteration och utvärdering
  • Compromiss mellan bias och varians

Utvärderat inlärning och ouvärderat inlärning

  • Språk, typer och exempel inom maskininlärning
  • Utvärderat vs ouvärderat inlärning

Utvärderat inlärning

  • Beslutsträdar
  • Random Forests
  • Modellutvärdering

Maskininlärning med Python

  • Valet av bibliotek
  • Ytterligare verktyg

Regression

  • Linjär regression
  • Generaliseringar och icke-linearitet
  • Övningar

Klassificering

  • Repetering av Bayesiansk statistik
  • Naive Bayes
  • Logistisk regression
  • K-nearest neighbors (Närmaste granngrensar)
  • Övningar

Kryssvalidering och resamplifiering

  • Metoder för kryssvalidering
  • Bootstrap
  • Övningar

Ouvärderat inlärning

  • K-means klusteranalys
  • Exempel
  • Utmaningar med ouvärderat inlärning och bortom K-means

Neuronal nätverk

  • Skikt och noder
  • Python-bibliotek för neuronal nätverk
  • Arbeta med scikit-learn
  • Arbeta med PyBrain
  • Djup inlärning (Deep Learning)

Krav

Kunskap i programmeringsspråket Python. Grundläggande kunskaper i statistik och linjär algebra rekommenderas.

 28 Timmar

Antal deltagare


Pris per deltagare

Vittnesmål (7)

Kommande Kurser

Relaterade Kategorier