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
 

Numero di Partecipanti


Data Inizio

Data Fine


Le date sono soggette a disponibilità e si svolgono tra le 09:30 e le 16:30.
I corsi di formazione pubblici richiedono più di 5 partecipanti.

Corsi relativi

Categorie relative