Struttura del corso

Introduzione a Neural Networks

Introduzione all'Applicato Machine Learning

  • Apprendimento statistico vs. apprendimento automatico
  • Iterazione e valutazione
  • Compromesso distorsione-varianza

Apprendimento automatico con Python

  • Scelta delle biblioteche
  • Strumenti aggiuntivi

Concetti e applicazioni dell'apprendimento automatico

Regressione

  • Regressione lineare
  • Generalizzazioni e non linearità
  • Casi d'uso

Classificazione

  • Aggiornamento bayesiano
  • Ingenuo Bayes
  • Regressione logistica
  • K-Vicini più prossimi
  • Use Cases

Convalida incrociata e ricampionamento

  • Approcci di convalida incrociata
  • Bootstrap
  • Use Cases

Apprendimento non supervisionato

  • Clustering K-means
  • Esempi
  • Le sfide dell'apprendimento non supervisionato e oltre i mezzi K

Breve introduzione ai metodi di PNL

  • Tokenizzazione di parole e frasi
  • Classificazione del testo
  • Analisi del sentiment
  • Correzione ortografica
  • Estrazione di informazioni
  • analisi
  • Significato Estrazione
  • Risposta alle domande

Intelligenza Artificiale & Deep Learning

Panoramica tecnica

  • R v/s Python
  • Caffe v/s Tensor Flow
  • Varie librerie di Machine Learning

Casi di studio del settore

Requisiti

  1. Dovrebbe avere una conoscenza di base del funzionamento aziendale e anche conoscenze tecniche
  2. Deve avere una conoscenza di base del software e dei sistemi
  3. Conoscenza di base di Statistics (nei livelli di Excel)
 21 ore

Numero di Partecipanti



Prezzo per Partecipante

Recensioni (1)

Corsi relativi

Categorie relative