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 中的機器學習:scikit-learn API 介紹
- 線性回歸與邏輯回歸
- 支持向量機
- 神經網絡
- 隨機森林
- 使用 scikit-learn 設置端到端的監督式學習管道
- 處理數據文件
- 缺失值插補
- 處理分類變量
- 數據可視化
用於 AI 應用的 Python 框架:
- TensorFlow, Theano, Caffe 和 Keras
- 利用 Apache Spark 擴展 AI 規模:Mlib
高級神經網絡架構
- 用於圖像分析的卷積神經網絡
- 用於時間結構數據的循環神經網絡
- 長短期記憶單元
無監督學習:聚類、異常檢測
- 使用 scikit-learn 實現主成分分析
- 在 Keras 中實現自動編碼器
AI 可解決問題的實際案例(使用 Jupyter notebook 的動手練習),例如
- 圖像分析
- 預測複雜的金融序列,例如股票價格,
- 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:失敗模式、成本及常見困難
- 過擬合
- 偏差/方差權衡
- 觀察數據中的偏差
- 神經網絡投毒
應用項目工作(選修)
最低要求
參加此課程沒有特定的先決條件要求。
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