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。
課程時長 28 時間:
課程簡介
監督式學習:分類與迴歸
- Python 機器學習:scikit-learn API 簡介
- 線性迴歸與邏輯迴歸
- 支援向量機器(SVM)
- 神經網路
- 隨機森林
- 使用 scikit-learn 建立端到端的監督式學習管線
- 處理數據檔案
- 缺失值補插
- 分類變數處理
- 數據視覺化
AI 應用的 Python 框架
- TensorFlow、Theano、Caffe 與 Keras
- 結合 Apache Spark 實現大規模 AI:MLlib
進階神經網路架構
- 用於圖像分析的捲積神經網路(CNN)
- 用於時間結構數據的遞迴神經網路(RNN)
- 長短期記憶單元(LSTM)
非監督式學習:聚類與異常偵測
- 使用 scikit-learn 實作主成分分析(PCA)
- 在 Keras 中實作自動編碼器(Autoencoders)
AI 可解決問題的實例(使用 Jupyter Notebooks 進行的動手練習),例如
- 圖像分析
- 預測複雜的金融序列,如股價
- 複雜模式識別
- 自然語言處理(NLP)
- 推薦系統
理解 AI 方法的局限性:失敗模式、成本與常見挑戰
- 過擬合
- 偏差/方差取捨
- 觀察數據中的偏差
- 神經網路中毒
應用專案實作(選修)
最低要求
修讀此課程沒有特定的先修條件要求。
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