Course Outline

Begeleid leren: classificatie en regressie

  • Afweging tussen bias en variantie
  • Logistische regressie als classifier
  • De prestaties van de classificatie meten
  • Ondersteuning van vectormachines
  • Neurale netwerken
  • Willekeurige bossen    

Leren zonder toezicht: clustering, detectie van anomalieën

  • Analyse van de belangrijkste componenten
  • Auto-encoders    

Geavanceerde neurale netwerkarchitecturen

  • Convolutionele neurale netwerken voor beeldanalyse
  • Terugkerende neurale netwerken voor tijdgestructureerde gegevens
  • De cel van het lange kortetermijngeheugen

Praktische voorbeelden van problemen die AI kan oplossen, bijv.

  • Analyse van afbeeldingen
  • het voorspellen van complexe financiële reeksen, zoals aandelenkoersen,
  • Complexe patroonherkenning
  • Natuurlijke taalverwerking
  • Aanbevelingssystemen    

Softwareplatforms die worden gebruikt voor AI-toepassingen:

  • TensorFlow, Theano, Caffe en Keras
  • AI op schaal met Apache Spark: Mlib    

Begrijp de beperkingen van AI-methoden: faalwijzen, kosten en veelvoorkomende problemen

  • Overmontage
  • Vooroordelen in observationele gegevens
  • Ontbrekende gegevens
  • Vergiftiging van neurale netwerken

Requirements

Er zijn geen specifieke vereisten om aan deze cursus deel te nemen.

  28 Hours
 

Related Courses

Related Categories