課程簡介

監督學習:分類和回歸

  • Python 中的 Machine Learning: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 的大規模 AI:Mlib

高級神經網路架構

  • 用於圖像分析的捲積神經網路
  • 用於時間結構數據的遞迴神經網路
  • 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
  • 觀察數據中的偏倚
  • 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)

Upcoming Courses

課程分類