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
Pengantar Terapan Machine Learning
- Pembelajaran statistik vs. Pembelajaran mesin
- Iterasi dan evaluasi
- Pertukaran Bias-Varians
- Pembelajaran yang Diawasi vs Tanpa Pengawasan
- Masalah diselesaikan dengan Machine Learning
- Uji Validasi Latih – alur kerja ML untuk menghindari overfitting
- Alur kerja Machine Learning
- Algoritma pembelajaran mesin
- Memilih algoritma yang tepat untuk permasalahan tersebut
Evaluasi Algoritma
- Mengevaluasi prediksi numerik
- Ukuran akurasi: ME, MSE, RMSE, MAPE
- Stabilitas parameter dan prediksi
- Mengevaluasi algoritma klasifikasi
- Akurasi dan permasalahannya
- Matriks kebingungan
- Masalah kelas yang tidak seimbang
- Memvisualisasikan kinerja model
- Kurva keuntungan
- Kurva ROC
- Kurva angkat
- Pemilihan model
- Penyetelan model – strategi pencarian grid
Persiapan data untuk Pemodelan
- Impor dan penyimpanan data
- Pahami data – eksplorasi dasar
- Manipulasi data dengan perpustakaan pandas
- Transformasi data – Perselisihan data
- Analisis eksplorasi
- Pengamatan yang hilang – deteksi dan solusi
- Pencilan – deteksi dan strategi
- Standarisasi, normalisasi, binerisasi
- Pengodean ulang data kualitatif
Algoritme pembelajaran mesin untuk deteksi Outlier
- Algoritme yang diawasi
- KNN
- Ansambel Peningkatan Gradien
- SVM
- Algoritme tanpa pengawasan
- Berbasis jarak
- Metode berbasis kepadatan
- Metode probabilistik
- Metode berbasis model
Pemahaman Deep Learning
- Gambaran Umum Konsep Dasar Deep Learning
- Membedakan Antara Machine Learning dan Deep Learning
- Ikhtisar Aplikasi untuk Deep Learning
Ikhtisar Neural Networks
- Apa itu Neural Networks
- Neural Networks vs Model Regresi
- Pengertian Mathematical Landasan dan Mekanisme Pembelajaran
- Membangun Jaringan Syaraf Tiruan
- Memahami Node dan Koneksi Neural
- Bekerja dengan Neuron, Lapisan, dan Data Input dan Output
- Memahami Perceptron Lapisan Tunggal
- Perbedaan Antara Pembelajaran yang Diawasi dan Tanpa Supervisi
- Umpan Balik Pembelajaran dan Umpan Balik Neural Networks
- Pengertian Propagasi Maju dan Propagasi Balik
Membangun Model Sederhana Deep Learning dengan Keras
- Membuat Model Keras.
- Memahami Data Anda
- Menentukan Model Deep Learning Anda
- Menyusun Model Anda
- Menyesuaikan Model Anda
- Bekerja dengan Data Klasifikasi Anda
- Bekerja dengan Model Klasifikasi
- Menggunakan Model Anda
Bekerja dengan TensorFlow untuk Deep Learning
- Mempersiapkan Data
- Mengunduh Data
- Mempersiapkan Data Pelatihan
- Mempersiapkan Data Uji
- Penskalaan Input
- Menggunakan Placeholder dan Variabel
- Menentukan Arsitektur Jaringan
- Menggunakan Fungsi Biaya
- Menggunakan Pengoptimal
- Menggunakan Inisialisasi
- Memasang Jaringan Neural
- Membangun Grafik
- Kesimpulan
- Kehilangan
- Pelatihan
- Melatih Model
- Grafik
- Sesi
- Lingkaran Kereta Api
- Mengevaluasi Model
- Membangun Grafik Evaluasi
- Mengevaluasi dengan Eval Output
- Model Pelatihan dalam Skala Besar
- Memvisualisasikan dan Mengevaluasi Model dengan TensorBoard
Penerapan Deep Learning dalam Deteksi Anomali
- Pembuat enkode otomatis
- Encoder - Arsitektur Decoder
- Kerugian rekonstruksi
- Autencoder Variasi
- Inferensi variasi
- Jaringan Permusuhan Generatif
- Generator – Arsitektur diskriminator
- Pendekatan AN menggunakan GAN
Kerangka Ensemble
- Menggabungkan hasil dari metode yang berbeda
- Bootstrap Agregasi
- Rata-rata skor outlier
Requirements
- Pengalaman dengan pemrograman Python.
- Keakraban dasar dengan statistik dan konsep matematika
Hadirin
- Pengembang
- Ilmuwan data
28 Hours
Testimonials (5)
Pelatihan tersebut memberikan gambaran menarik tentang model pembelajaran mendalam dan metode terkait. Topiknya cukup baru bagi saya, tapi sekarang saya merasa sudah punya gambaran tentang apa saja yang termasuk dalam AI dan ML, apa saja isi istilah-istilah tersebut, dan bagaimana istilah-istilah tersebut dapat digunakan secara menguntungkan. Secara umum, saya menyukai pendekatan yang memulai dengan latar belakang statistik dan model pembelajaran dasar, seperti regresi linier, terutama menekankan latihan di antaranya.
Konstantin - REGNOLOGY ROMANIA S.R.L.
Course - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Machine Translated
Anna selalu bertanya jika ada pertanyaan, dan selalu berusaha membuat kami lebih aktif dengan mengajukan pertanyaan, sehingga membuat kami semua benar-benar terlibat dalam pelatihan.
Enes Gicevic - REGNOLOGY ROMANIA S.R.L.
Course - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Machine Translated
Saya menyukai cara memadukannya dengan praktik.
Bertan - REGNOLOGY ROMANIA S.R.L.
Course - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Machine Translated
Pengalaman/pengetahuan pelatih yang luas
Ovidiu - REGNOLOGY ROMANIA S.R.L.
Course - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Machine Translated
VM adalah ide yang bagus
Vincent - REGNOLOGY ROMANIA S.R.L.
Course - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Machine Translated
