課程簡介

監督學習:分類和回歸

  • 偏差-方差權衡
  • 邏輯回歸作為分類器
  • 測量分類器性能
  • 支援向量機
  • 神經網路
  • 隨機森林

無監督學習:聚類、異常識別

  • 主成分分析
  • 自動編碼器

高級神經網路架構

  • 用於圖像分析的捲積神經網路
  • 用於時間結構化數據的遞歸神經網路
  • 長短期記憶細胞

人工智慧可以解決的問題的實際例子,例如

  • 圖像分析
  • 預測複雜的財務序列,例如股票價格,
  • 複雜模式識別
  • 自然語言處理
  • 推薦系統

用於人工智慧應用的軟體平臺:

  • TensorFlow、Theano、Caffe 和 Keras
  • 使用 Apache Spark 實現大規模 AI:Mlib

瞭解 AI 方法的局限性:失敗模式、成本和常見困難

  • 過擬合
  • 觀測數據的偏差
  • 缺少數據
  • 神經網路中毒

最低要求

參加本課程不需要任何特定要求。

  28 時間:
 

人數


開始於

結束於


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

相關課程

課程分類