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
Introduzione all'Applicato Machine Learning
-
Apprendimento statistico vs. apprendimento automatico
Iterazione e valutazione
Compromesso distorsione-varianza
Apprendimento supervisionato vs non supervisionato
Problemi risolti con Machine Learning
Test di convalida del treno - Flusso di lavoro ML per evitare l'overfitting
Flusso di lavoro di Machine Learning
Algoritmi di apprendimento automatico
Scelta dell'algoritmo appropriato al problema
Valutazione dell'algoritmo
-
Valutazione delle previsioni numeriche
Misure di accuratezza: ME, MSE, RMSE, MAPE
Stabilità dei parametri e delle previsioni
Algoritmi supervisionati KNN Aumento del gradiente d'insieme SVM (SVM)
-
Algoritmi non supervisionati
Basato sulla distanza
Metodi basati sulla densità
-
Metodi probabilistici
Creazione di semplici modelli di deep learning con Keras
-
Creazione di un modello Keras
Comprensione dei dati
Specifica del modello di deep learning
Compilazione del modello
Adattamento del modello
Utilizzo dei dati di classificazione
Utilizzo dei modelli di classificazione
Utilizzo dei modelli
Lavorare con TensorFlow per il Deep Learning
-
Preparazione dei dati
Scaricare i dati
Preparazione dei dati di training
Preparazione dei dati di test
Ridimensionamento degli input
Utilizzo di segnaposto e variabili
Specifica dell'architettura di rete
-
Utilizzo della funzione di costo
Utilizzo dell'ottimizzatore
-
Utilizzo degli inizializzatori
Requisiti
- Esperienza con la programmazione Python
- Familiarità di base con la statistica e i concetti matematici
Pubblico
- Gli sviluppatori
- Scienziati dei dati
28 ore