Đề cương khóa học

Học có giám sát: phân loại và hồi quy

  • Machine Learning trong Python: giới thiệu về API scikit-learn
    • hồi quy tuyến tính và hồi quy logistic
    • máy vector hỗ trợ
    • mạng nơ-ron
    • rừng ngẫu nhiên
  • Thiết lập một quy trình học có giám sát hoàn chỉnh bằng cách sử dụng scikit-learn
    • làm việc với các tệp dữ liệu
    • điền giá trị bị thiếu
    • xử lý các biến phân loại
    • trực quan hóa dữ liệu

Python các khuôn khổ cho các ứng dụng AI:

  • TensorFlow, Theano, Caffe và Keras
  • AI quy mô lớn với Apache Spark: Mlib

Kiến trúc mạng nơ-ron nâng cao

  • mạng nơ-ron tích chập để phân tích hình ảnh
  • mạng nơ-ron hồi quy cho dữ liệu có cấu trúc thời gian
  • tế bào bộ nhớ dài ngắn hạn

Học không giám sát: phân cụm, phát hiện bất thường

  • triển khai phân tích thành phần chính với scikit-learn
  • triển khai bộ mã hóa tự động trong Keras

Ví dụ thực tế về các vấn đề mà AI có thể giải quyết (bài tập thực hành sử dụng Jupyter notebooks), ví dụ:

  • phân tích hình ảnh
  • dự báo các chuỗi tài chính phức tạp, chẳng hạn như giá cổ phiếu,
  • nhận dạng mẫu phức tạp
  • xử lý ngôn ngữ tự nhiên
  • hệ thống gợi ý

Hiểu những hạn chế của các phương pháp AI: các chế độ lỗi, chi phí và các khó khăn phổ biến

  • quá khớp
  • đánh đổi giữa sai lệch/phương sai
  • sai lệch trong dữ liệu quan sát
  • tấn công làm ô nhiễm mạng nơ-ron

Công việc Dự án Ứng dụng (tùy chọn)

Requirements

Không có yêu cầu cụ thể nào để tham gia khóa học này.

 28 Hours

Number of participants


Price per participant

Testimonials (2)

Provisional Upcoming Courses (Require 5+ participants)

Related Categories