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
Begeleid leren: classificatie en regressie
- Machine Learning in Python: inleiding tot de scikit-learn API lineaire en logistieke regressie ondersteunen neurale netwerken van vectormachines willekeurig bos
TensorFlow, Theano, Caffe en Keras AI op schaal met Apache Spark: Mlib
- Geavanceerde neurale netwerkarchitecturen
convolutionele neurale netwerken voor beeldanalyse terugkerende neurale netwerken voor tijdgestructureerde gegevens de lange-kortetermijngeheugencel
- Leren zonder toezicht: clustering, detectie van afwijkingen
het implementeren van hoofdcomponentenanalyse met scikit-learn, het implementeren van autoencoders in Keras
- Praktische voorbeelden van problemen die AI kan oplossen (praktische oefeningen met Jupyter-notebooks), bijv
beeldanalyse die complexe financiële reeksen voorspelt, zoals aandelenkoersen, complexe patroonherkenning en aanbevelingssystemen voor natuurlijke taalverwerking
- Begrijp de beperkingen van AI-methoden: faalwijzen, kosten en veelvoorkomende problemen
overfitting bias/variantie trade-off biases in observationele data neurale netwerkvergiftiging
- Toegepast projectwerk (optioneel)
Requirements
Er zijn geen specifieke vereisten om aan deze cursus deel te nemen.
28 Hours
Getuigenissen (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
Cursus - Applied AI from Scratch in Python
The trainer was a professional in the subject field and related theory with application excellently