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.
Course Outline
Pembelajaran yang diawasi: klasifikasi dan regresi
- Machine Learning di Python: pengantar API scikit-learn
- regresi linier dan logistik
- mendukung mesin vektor
- jaringan saraf
- hutan acak
- Menyiapkan alur pembelajaran yang diawasi secara menyeluruh menggunakan scikit-learn
- bekerja dengan file data
- imputasi nilai yang hilang
- menangani variabel kategori
- memvisualisasikan data
Python kerangka kerja untuk aplikasi AI:
- TensorFlow, Theano, Caffe dan Keras
- AI dalam skala besar dengan Apache Spark: Mlib
Arsitektur jaringan saraf tingkat lanjut
- jaringan saraf konvolusional untuk analisis gambar
- jaringan saraf berulang untuk data terstruktur waktu
- sel memori jangka pendek
Pembelajaran tanpa pengawasan: pengelompokan, deteksi anomali
- menerapkan analisis komponen utama dengan scikit-learn
- mengimplementasikan autoencoder di Keras
Contoh praktis dari masalah yang dapat dipecahkan oleh AI (latihan langsung menggunakan buku catatan Jupyter), misalnya
- analisis gambar
- meramalkan seri keuangan yang kompleks, seperti harga saham,
- pengenalan pola yang kompleks
- pemrosesan bahasa alami
- sistem pemberi rekomendasi
Pahami keterbatasan metode AI: cara kegagalan, biaya, dan kesulitan umum
- terlalu pas
- pertukaran bias/varians
- bias dalam data observasi
- keracunan jaringan saraf
Pekerjaan Proyek Terapan (opsional)
Requirements
Tidak ada persyaratan khusus yang diperlukan untuk mengikuti kursus ini.
28 Hours
Testimonials (2)
That it was applying real company data. Trainer had a very good approach by making trainees participate and compete
Jimena Esquivel - Zaklad Uslugowy Hakoman Andrzej Cybulski
Course - Applied AI from Scratch in Python
The trainer was a professional in the subject field and related theory with application excellently