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
Perkenalan
- Perbedaan antara pembelajaran statistik (analisis statistik) dan pembelajaran mesin
- Adopsi teknologi pembelajaran mesin dan talenta oleh perusahaan keuangan dan perbankan
Berbagai Jenis Machine Learning
- Pembelajaran yang diawasi vs pembelajaran tanpa pengawasan
- Iterasi dan evaluasi
- Pertukaran bias-varians
- Menggabungkan pembelajaran yang diawasi dan tidak diawasi (pembelajaran semi-supervisi)
Machine Learning Languages dan Perangkat
- Sumber terbuka vs sistem dan perangkat lunak berpemilik
- Python vs R vs Matlab
- Perpustakaan dan kerangka kerja
Machine Learning Studi Kasus
- Data konsumen dan data besar
- Menilai risiko dalam pinjaman konsumen dan bisnis
- Meningkatkan layanan pelanggan melalui analisis sentimen
- Mendeteksi penipuan identitas, penipuan penagihan, dan pencucian uang
Praktek: Python untuk Machine Learning
- Mempersiapkan Lingkungan Pembangunan
- Memperoleh Python perpustakaan dan paket pembelajaran mesin
- Bekerja dengan scikit-learn dan PyBrain
Cara Memuat Machine Learning Data
- Databases, gudang data dan data streaming
- Penyimpanan dan pemrosesan terdistribusi dengan Hadoop dan Spark
- Data yang diekspor dan Excel
Pemodelan Business Keputusan dengan Supervised Learning
- Mengklasifikasikan data Anda (klasifikasi)
- Menggunakan analisis regresi untuk memprediksi hasil
- Memilih dari algoritma pembelajaran mesin yang tersedia
- Memahami algoritma pohon keputusan
- Memahami algoritma hutan acak
- Evaluasi model
- Latihan
Analisis regresi
- Regresi linier
- Generalisasi dan Nonlinier
- Latihan
Klasifikasi
- Penyegaran Bayesian
- Bayes yang naif
- Regresi logistik
- K-Tetangga terdekat
- Latihan
Praktek: Membangun Model Estimasi
- Menilai risiko pinjaman berdasarkan jenis dan riwayat nasabah
Mengevaluasi kinerja Machine Learning Algoritma
- Validasi silang dan pengambilan sampel ulang
- Bootstrap agregasi (mengantongi)
- Latihan
Pemodelan Business Keputusan dengan Pembelajaran Tanpa Pengawasan
- Ketika kumpulan data sampel tidak tersedia
- Pengelompokan K-means
- Tantangan pembelajaran tanpa pengawasan
- Di luar K-means
- Jaringan Bayes dan Model Tersembunyi Markov
- Latihan
Praktek: Membangun Sistem Rekomendasi
- Menganalisis perilaku pelanggan masa lalu untuk meningkatkan penawaran layanan baru
Memperluas kemampuan perusahaan Anda
- Mengembangkan model di cloud
- Mempercepat pembelajaran mesin dengan GPU
- Menerapkan Deep Learning jaringan saraf untuk visi komputer, pengenalan suara dan analisis teks
Kata penutup
Requirements
- Pengalaman dengan pemrograman Python.
- Keakraban dasar dengan statistik dan aljabar linier
21 Hours
Testimonials (2)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Course - MLflow
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.
