Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Struttura del corso
Apprendimento supervisionato: classificazione e regressione
- Compromesso distorsione-varianza
- Regressione logistica come classificatore
- Misurazione delle prestazionidel classificatore
- Macchine vettoriali di supporto
- Reti neurali
- Foreste casuali
Apprendimento non supervisionato: clustering, detetction delle anomalie
- Analisi delle componenti principali
- Encoder automatici
Architetture avanzate di reti neurali
- Reti neurali convoluzionali per l'analisi delle immagini
- Reti neurali ricorrenti per dati strutturati nel tempo
- La cella di memoria a breve termine
Esempi pratici di problemi che l'IA può risolvere, ad es.
- Analisi delle immagini
- previsione di serie finanziarie complesse, come i prezzi delle azioni,
- Riconoscimento di pattern complessi
- Elaborazione del linguaggio naturale
- Sistemi di raccomandazione
Piattaforme software utilizzate per applicazioni di IA:
- TensorFlow, Theano, Caffè e Keras
- Intelligenza artificiale su larga scala con Apache Spark: Mlib
Comprendere i limiti dei metodi di IA: modalità di fallimento, costi e difficoltà comuni
- Sovraallestimento
- Distorsioni nei dati osservativi
- Dati mancanti
- avvelenamento della rete neurale
Requisiti
Non sono necessari requisiti specifici per frequentare questo corso.
28 ore