Plan Szkolenia
Wprowadzenie do stosowanych Machine Learning
- Uczenie statystyczne a uczenie maszynowe
- Iteracja i ocena
- Kompromis odchylenia i wariancji
Uczenie się pod nadzorem i uczenie się bez nadzoru
- Machine Learning Languages, Typy i przykłady
- Uczenie się nadzorowane i nienadzorowane
Nadzorowana nauka
- Drzewa decyzyjne
- Random Forests
- Ocena modelu
Machine Learning z Python
- Wybór bibliotek
- Narzędzia dodatkowe
Regresja
- Regresja liniowa
- Uogólnienia i nieliniowość
- Ćwiczenia
Klasyfikacja
- Odświeżacz Bayesa
- Naiwny Bayes
- Regresja logistyczna
- K-Najbliżsi sąsiedzi
- Ćwiczenia
Walidacja krzyżowa i ponowne próbkowanie
- Podejścia oparte na walidacji krzyżowej
- Bootstrap
- Ćwiczenia
Uczenie się bez nadzoru
- K-oznacza grupowanie
- Przykłady
- Wyzwania uczenia się bez nadzoru i wykraczające poza K-średnie
Sieci neuronowe
- Warstwy i węzły
- Python biblioteki sieci neuronowych
- Praca z scikit-learn
- Współpraca z PyBrainem
- Deep Learning
Wymagania
Znajomość języka programowania Python. Zalecana jest podstawowa znajomość statystyki i algebry liniowej.
Opinie uczestników (5)
Interesting knowledge
Gabriel - MINDEF
Szkolenie - Machine Learning with Python – 4 Days
The trainer was a practitioner with a lot of experience and had a very good knowledge of the material.
Witold Iwaniec - City of Calgary
Szkolenie - Machine Learning with Python – 4 Days
The trainer because he could handle almost every subject and situation.
Florin Babes - eMAG IT RESEARCH SRL
Szkolenie - Machine Learning with Python – 4 Days
The manner in which the trainer explained the concepts, his positive and welcoming attitude and the real-world examples provided for each exercise.
Ovidiu Calita - eMAG IT RESEARCH SRL
Szkolenie - Machine Learning with Python – 4 Days
Very good training session with nice documentation and exercises and Kristian did it like a professional he is.