課程簡介

監督學習:分類和回歸

    Python 中的機器學習:scikit-learn API 簡介 線性回歸和邏輯回歸 支援向量機 神經網路 隨機森林
使用 scikit-learn 設置端到端監督式學習管道 使用資料檔
  • 缺失值的插補
  • 處理分類變數
  • 可視化數據
  • Python 人工智慧應用框架:
  • TensorFlow、Theano、Caffe 和 Keras 使用 Apache Spark 實現大規模 AI:Mlib

      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

      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 可以解決的問題的實際範例(使用 Jupyter 筆記本的動手練習),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

      瞭解 AI 方法的局限性:失敗模式、成本和常見困難

    過擬合 偏差/方差權衡 觀測數據的偏差 神經網路中毒

      套用專案工作(選擇)

    最低要求

    參加本課程不需要任何特定要求。

     28 時間:

    人數



    每位參與者的報價

    客戶評論 (2)

    課程分類