感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
監督式學習:分類與回歸
- Python 機器學習:scikit-learn API 介紹
- 線性迴歸與邏輯迴歸
- 支援向量機
- 神經網路
- 隨機森林
- 使用 scikit-learn 建置端到端監督式學習管線
- 處理資料檔案
- 填補遺漏值
- 處理分項變數
- 資料視覺化
AI 應用開發的 Python 框架:
- TensorFlow、Theano、Caffe 與 Keras
- 使用 Apache Spark Mlib 實現大規模 AI
進階神經網路架構
- 用於影像分析的卷積神經網路
- 用於時間結構化資料的循環神經網路
- 長短期記憶單元
非監督式學習:分群、異常檢測
- 使用 scikit-learn 實作主成分分析
- 在 Keras 中實作自編碼器
AI 可解決問題的實務範例(使用 Jupyter notebooks 的實際練習),例如:
- 影像分析
- 預測複雜財務數據,如股價,
- 複雜模式識別
- 自然語言處理
- 推薦系統
理解 AI 方法的局限性:故障模式、成本與常見困難
- 過度擬合
- 偏差/方差權衡
- 觀測資料中的偏差
- 神經網路投毒
應用專案(選修)
最低要求
報名本課程無需特定前置條件。
28 小時
客戶評論 (2)
它應用了真實的公司數據。培訓師採用了一種非常好的方法,讓學員參與並競爭。
Jimena Esquivel - Zaklad Uslugowy Hakoman Andrzej Cybulski
課程 - Applied AI from Scratch in Python
機器翻譯
培訓師是該領域的專業人士,能夠出色地將理論與實際應用相結合
Fahad Malalla - Tatweer Petroleum
課程 - Applied AI from Scratch in Python
機器翻譯