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 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
- Dovrebbe avere una conoscenza di base del funzionamento aziendale e anche conoscenze tecniche
- Deve avere una conoscenza di base del software e dei sistemi
- Conoscenza di base di Statistics (nei livelli di Excel)
21 ore
Recensioni (1)
The enthusiasm to the topic. The examples he made an he explained it very well. Sympatic. A little to detailed for beginners. For managers, it could be more abstract in fewer days. But it was designed to fit and we had a good alignment in advance.