聯繫我們
 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)

即將到來的課程

課程分類