Đề cương khóa học

Machine Learning Thuật toán trong Julia

Các khái niệm giới thiệu

  • Học có giám sát & học không giám sát
  • Xác thực chéo và lựa chọn mô hình
  • Đánh đổi giữa sai lệch/phương sai

Hồi quy tuyến tính & hồi quy logistic

(NaiveBayes & GLM)

  • Các khái niệm giới thiệu
  • Ước lượng mô hình hồi quy tuyến tính
  • Chẩn đoán mô hình
  • Naive Bayes
  • Ước lượng mô hình hồi quy logistic
  • Chẩn đoán mô hình
  • Phương pháp lựa chọn mô hình

Khoảng cách

  • Khoảng cách là gì?
  • Euclidean
  • Cityblock
  • Cosine
  • Tương quan
  • Mahalanobis
  • Hamming
  • MAD
  • RMS
  • Độ lệch bình phương trung bình

Giảm chiều

  • Phân tích thành phần chính (PCA)
    • PCA tuyến tính
    • PCA Kernel
    • PCA xác suất
    • CA độc lập
  • Định vị đa chiều

Các phương pháp hồi quy sửa đổi

  • Các khái niệm cơ bản về chính quy hóa
  • Hồi quy Ridge
  • Hồi quy Lasso
  • Hồi quy thành phần chính (PCR)

Phân cụm

  • K-means
  • K-medoids
  • DBSCAN
  • Phân cụm phân cấp
  • Thuật toán cụm Markov
  • Phân cụm Fuzzy C-means

Các mô hình học máy tiêu chuẩn

(Các gói NearestNeighbors, DecisionTree, LightGBM, XGBoost, EvoTrees, LIBSVM)

  • Các khái niệm tăng cường gradient
  • K láng giềng gần nhất (KNN)
  • Mô hình cây quyết định
  • Mô hình rừng ngẫu nhiên
  • XGboost
  • EvoTrees
  • Máy vectơ hỗ trợ (SVM)

Mạng nơ-ron nhân tạo

(Gói Flux)

  • Giảm gradient ngẫu nhiên & chiến lược
  • Mạng đa lớp perceptron truyền thẳng & lan truyền ngược
  • Chính quy hóa
  • Mạng nơ-ron hồi quy (RNN)
  • Mạng nơ-ron tích chập (Convnets)
  • Bộ mã hóa tự động
  • Siêu tham số

Requirements

Khóa học này dành cho những người đã có kiến thức nền tảng về khoa học dữ liệu và thống kê.

 21 Hours

Number of participants


Price per participant

Testimonials (2)

Provisional Upcoming Courses (Require 5+ participants)

Related Categories