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.
Plan Szkolenia
Uczenie nadzorowane: klasyfikacja i regresja
- Machine Learning w Python: wprowadzenie do API scikit-learn
- regresja liniowa i logistyczna
- maszyna wektorów nośnych
- sieci neuronowe
- las losowy
- Konfigurowanie kompleksowego potoku nadzorowanego uczenia się przy użyciu scikit-learn
- praca z plikami danych
- imputacja brakujących wartości
- obsługa zmiennych kategorycznych
- wizualizacja danych
Python frameworki dla aplikacji AI:
- TensorFlow, Theano, Caffe i Keras.
- Sztuczna inteligencja na dużą skalę z Apache Spark: Mlib
Zaawansowane architektury sieci neuronowych
- konwolucyjne sieci neuronowe do analizy obrazu
- rekurencyjne sieci neuronowe dla danych o strukturze czasowej
- komórka długiej pamięci krótkotrwałej
Uczenie bez nadzoru: grupowanie, wykrywanie anomalii
- implementacja analizy składowych głównych za pomocą scikit-learn
- implementacja autoenkoderów w Keras
Praktyczne przykłady problemów, które może rozwiązać sztuczna inteligencja (ćwiczenia praktyczne z wykorzystaniem notatników Jupyter), np.
- analiza obrazów
- prognozowanie złożonych szeregów finansowych, takich jak ceny akcji,
- złożone rozpoznawanie wzorców
- przetwarzanie języka naturalnego
- systemy rekomendacji
Zrozumienie ograniczeń metod sztucznej inteligencji: sposoby niepowodzenia, koszty i typowe trudności
- nadmierne dopasowanie
- kompromis stronniczość/zmienność
- uprzedzenia w danych obserwacyjnych
- zatruwanie sieci neuronowych
Praca nad projektem stosowanym (opcjonalnie)
Wymagania
Aby wziąć udział w tym kursie, nie trzeba spełniać żadnych szczególnych wymagań.
28 godzin
Opinie uczestników (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
Szkolenie - Applied AI from Scratch in Python
The trainer was a professional in the subject field and related theory with application excellently