Grazie per aver inviato la vostra richiesta! Un membro del nostro team vi contatterà a breve.
Grazie per aver inviato la vostra prenotazione! Un membro del nostro team vi contatterà a breve.
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