課程簡介

應用材料簡介 Machine Learning

  • 統計學習與機器學習
  • 反覆運算和評估
  • 偏差-方差權衡

監督學習和無監督學習

  • Machine Learning 語言、類型和示例
  • 監督學習與無監督學習

監督學習

  • 決策樹
  • Random Forest秒
  • 模型評估

機器學習與 Python

  • 庫的選擇
  • 附加工具

回歸

  • 線性回歸
  • 泛化和非線性
  • 習題

分類

  • 貝葉斯複習
  • 樸素貝葉斯
  • 邏輯回歸
  • K-最近鄰
  • 習題

交叉驗證和重採樣

  • 交叉驗證方法
  • Bootstrap
  • 習題

無監督學習

  • K-means 聚類
  • 例子
  • 無監督學習和超越 K 均值的挑戰

神經網路

  • 層和節點
  • Python 神經網路庫
  • 使用 scikit-learn
  • 使用 PyBrain
  • 深度學習

最低要求

瞭解 Python 程式設計語言。建議基本熟悉統計學和線性代數。

  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.

客戶評論 (2)

相關課程

課程分類