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.
Kursplan
Maskinlæringsalgoritmer i Julia
Innledende konsepter
- Veiledet og uovervåket læring Kryssvalidering og modellvalg Bias/variance tradeoff
Lineær og logistisk regresjon
(NaiveBayes og GLM)
- Innledende konsepter Tilpasning av lineære regresjonsmodeller Modelldiagnostikk Naive Bayes Tilpasning av en logistisk regresjonsmodell Modelldisgnostikk Metoder for modellvalg
Avstander
- Hva er en avstand? Euklidisk byblokk kosinuskorrelasjon Mahalanobis Hamming MAD RMS Gjennomsnittlig kvadratavvik
Dimensjonsreduksjon
- Hovedkomponentanalyse (PCA) Lineær PCA-kjerne PCA Probabilistisk PCA Uavhengig CA
Grunnleggende begreper om regularisering Ridge-regresjon Lasso-regresjon Hovedkomponentregresjon (PCR)
- Gruppering
K-betyr K-medoider DBSCAN Hierarkisk clustering Markov Cluster Algoritme Fuzzy C-betyr clustering
- Standard maskinlæringsmodeller
(NearestNeighbors, DecisionTree, LightGBM, XGBoost, EvoTrees, LIBSVM-pakker)
Gradientforsterkende konsepter K nærmeste naboer (KNN) Beslutningstremodeller Tilfeldige skogmodeller XGboost EvoTrees Support vektormaskiner (SVM)
- Kunstige nevrale nettverk
(Flux-pakke)
Stokastisk gradientnedstigning og strategier Flerlags perseptroner fremover feed & back forplantning Regularisering Gjentakende nevrale nettverk (RNN) Konvolusjonelle nevrale nettverk (Convnets) Autoenkodere Hyperparametere
Krav
Dette kurset er beregnet på personer som allerede har bakgrunn innen datavitenskap og statistikk.
21 timer