Kursplan
Innføring i anvendt maskininlæring
- Statistisk læring mot maskininlæring
- Iterasjon og evaluering
- Bias-varians-avveining
- Overvåkbar læring mot overvåkbar læring
- Problemer løst med maskininlæring
- Trening Valid testing – ML-workflow for å unngå overtilpasning
- Maskininlærings-arbeidsflyt
- Maskininlæringsalgoritmer
- Velge riktig algoritme til problemet
Algoritmeutvikling
-
Evaluering av numeriske prediksjoner
- Nøyaktighetsmålinger: ME, MSE, RMSE, MAPE
- Stabilitet for parameter og prediksjon
-
Evaluering av klassifiseringsalgoritmer
- Nøyaktighet og dens problemer
- Forvirringsematrisen
- Problemet med uavhengige klasser
-
Visualisering av modellprestasjoner
- Proftkurve
- ROC-kurve
- Løftkurve
- Modellvalg
- Modelljustering – rutinetester strategier
Datapreparering for modellering
- Dataimport og lagring
- Forstå data – grunnleggende utforskning
- Datamanipulasjon med pandas-biblioteket
- Datatransformasjon – Datawringling
- Utforskende analyse
- Manglende observasjoner – oppdagelse og løsninger
- Avvik – oppdagelse og strategier
- Standardisering, normalisering, binariserings
- Kodning av kvalitativ data
Maskininlæringsalgoritmer for avviksdeteksjon
-
Overvåkbar algoritmer
- KNN
- Ensemble Gradient Boosting
- SVM
-
Overvåkbar algoritmer
- Avstandsbasert
- Tethetsbasert metode
- Probabilistiske metoder
- Modellbasert metoder
Forståelse av dyp læring
- Oversikt over de grunnleggende konseptene i dyp læring
- Forskjeller mellom maskininlæring og dyp læring
- Oversikt over anvendelser av dyp læring
Oversikt over neuralnetter
- Hva er neuralnetter
- Neuralnetter mot regresjonsmodeller
- Forståelse av matematiske fundament og læremekanismer
- Oppretting av kunstig neuralnett
- Forståelse av noder og koblinger i nettverket
- Arbeide med noder, lag, og inndata og utdata
- Forståing av enkelsystemperceptor
- Forskjeller mellom overvåkbar og overvåkbar læring
- Lære om Feedforward og Feedback neuralnetter
- Forståing av fremoverpropagering og bakoverpropagering
Bygge enkle dyp læring-modeller med Keras
- Oppretting av en Keras-modell
- Forstå dine data
- Spesifisere din dyp læring-modell
- Kompilere din modell
- Tilpasse din modell
- Arbeide med din klassifiseringsdata
- Arbeide med klassifiseringsmodeller
- Bruke dine modeller
Arbeide med TensorFlow for dyp læring
-
Forberede data
- Last ned data
- Forberede treningsdata
- Forberede testdata
- Skalering av inndata
- Bruke plassen og variabler
- Spesifisere nettverksarkitektur
- Bruke kostfunksjon
- Bruke optimalisereren
- Bruke initierer
- Tilpasse neuralnettet
-
Bygge grafen
- Inferens
- Tapping
- Trening
-
Trene modellen
- Grafen
- Sessionen
- Treningssykkel
-
Evaluere modellen
- Bygge evalgraf
- Evaluer med eval output
- Trene modeller i stor skala
- Visualisere og evaluere modeller med TensorBoard
Anvendelse av dyp læring i anomaldiagnostikk
-
Autoencoder
- Encoder - Dekoder-arkitektur
- Rekonstruksjonstapping
-
Varierende Autoencoder
- Varierende inferens
-
Generative Adversarial Nettverk
- Generator – Diskriminert-arkitektur
- Tilnærminger til AN ved hjelp av GAN
Ensemble-rammeverk
- Kombiner resultater fra ulike metoder
- Bootstrapping Aggregating
- Gjennomsnittlig avvikspunkter
Krav
- Erfaring med programmering i Python
- Grunnleggende kjennskap til statistikk og matematiske begreper
Målgruppe
- Utviklere
- Dataforskere
Referanser (5)
Treneningen ga en spennende oversikt over dyp læring og relaterte metoder. Temaet var ganske nytt for meg, men nå føler jeg at jeg faktisk har et innblikk i hva AI og ML kan inneholde, hva disse begrepene består av og hvordan de kan brukes fordelsmessig. Generelt likte jeg tilnærmingen med å starte med statistisk bakgrunn og grunnleggende læring modeller, som lineær regresjon, spesielt med oppgaver i mellom.
Konstantin - REGNOLOGY ROMANIA S.R.L.
Kurs - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Maskinoversatt
Anna spurte alltid om det var noen spørsmål og prøvde konstant å gjøre oss mer aktive ved å stille spørsmål. Dette fikk alle med på treningen virkelig in involvert.
Enes Gicevic - REGNOLOGY ROMANIA S.R.L.
Kurs - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Maskinoversatt
Jeg likte måten det var kombinert med praksisene på.
Bertan - REGNOLOGY ROMANIA S.R.L.
Kurs - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Maskinoversatt
Den omfattende erfaringen / kunnskapen til instruktøren
Ovidiu - REGNOLOGY ROMANIA S.R.L.
Kurs - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Maskinoversatt
VM-en er en flott idé
Vincent - REGNOLOGY ROMANIA S.R.L.
Kurs - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Maskinoversatt
