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
-
Machine Learning in Python: introduzione all'API scikit-learn
regressione lineare e logistica
macchina vettoriale di supporto
Reti neurali
foresta casuale
TensorFlow, Theano, Caffè e Keras Intelligenza artificiale su larga scala con Apache Spark: Mlib
-
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
-
Apprendimento non supervisionato: clustering, rilevamento delle anomalie
Implementazione dell'analisi delle componenti principali con SciKit-Learn Implementazione di autoencoder in Keras
-
Esempi pratici di problemi che l'IA può risolvere (esercitazioni pratiche con notebook Jupyter), 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
-
Comprendere i limiti dei metodi di IA: modalità di fallimento, costi e difficoltà comuni
Sovraallestimento Compromesso distorsione/varianza Distorsioni nei dati osservativi avvelenamento della rete neurale
-
Applied Project work (facoltativo)
Requisiti
Non sono necessari requisiti specifici per frequentare questo corso.
28 ore
Recensioni (2)
That it was applying real company data. Trainer had a very good approach by making trainees participate and compete
Jimena Esquivel - Zakład Usługowy Hakoman Andrzej Cybulski
Corso - Applied AI from Scratch in Python
The trainer was a professional in the subject field and related theory with application excellently