Artificial Neural Networks, Machine Learning, Deep Thinking

Dacă ați dorit vreodată să știți despre ce este vorba atunci când vorbim despre Machine Learning și Data Science, acest curs este pentru dvs. Inteligența artificială transformă mai multe industrii.

Cui i se adresează?

– Acest curs este dedicat developerilor.

Ce veți învăța?

Unele dintre abilitățile și conceptele cheie pe care le veți obține cu acest curs:

– Veți putea înțelege și scrie Python
– Creați schițe frumoase și impresionați-vă managerul
– Încărcați, prelucrați și afișați datele cu Python Pandas (sursele includ fișierele CSV, Excel, HTML etc.)
– Înțelegeți conceptele cheie de învățare automată și învățare profundă
– Construiți un clasificator de imagini pentru cifre scrise manual și haine de modă
– Pe parcurs, veți vedea cum toate aceste concepte sunt aplicate în industrie și veți primi sfaturi practice.

Cerințe preliminare:

– Phyton

Agenda cursului:

Materialele de curs sunt în limba Engleză. Predarea se face în limba Română.

Citește agenda cursului
Citește agenda cursului

Machine Learning Introduction – algoritmi clasici de ML si Deep Learning

  • Definitions
  • What is it used for
  • Machine Learning Pipeline
  • Types of Machine Learning
  • ** Supervised Learning
  • ** Unsupervised Learning
  • ** Reinforcement Learning
  • Summary of tools that we need to work with (Python, Numpy, etc)

Python and Jupyter Notebook

  • Introduction
  • Python Crash course
  • Python Packages
  • Virtual Environments
  •  Anaconda/miniconda/conda
  • Jupyter Notebook Introduction

Numpy Python Library

  • Introduction
  • Arrays
  • Indexing
  • Operations

Pandas Python Library for Data Analysis

  • Introduction
  • Panda Series
  • Panda Frames
  • Data Input

Matplotlib Python Library for Data Visualization

  • Introduction
  • Basic plotting
  • Saving plots
  • Loading, displaying images

Seaborn Python Library for Data Visualization

  • Introduction
  • Plots
  • ** Distribution Plots
  • ** Categorical Plots
  • ** Matrix Plots

Supervised Learning

  • What is a dataset
  • Splitting the dataset (train/val/test)
  • ** Notes on the ability to generalize (Generalization)
  • Feature selection
  • ** K Means Clustering
  • Bias Variance Tradeoff
  •  Overfitting
  •  Underfitting
  • What is an outlier?
  • How do we perform? Confusion Matrix

Supervised Learning algorithms

  • sci-kit learn introduction
  • Linear Regression, Polynomial Regression
  • Model Evaluation, Selecting the Best Model
  • Bias-Variance trade-off
  • Logistic Regression
  • Naive Bayes
  •  K Nearest Neighbors (KNN)
  • Decision Trees and Random Forests

Unsupervised Learning

  • Clustering
  •  K Means Clustering
  • Dimensionality Reduction
  • ** Principal Components Analysis (PCA)
  • ** Singular Value Decomposition (SVD)

Neural Networks

  • Definitions
  • ** Neuron
  • ** Multiple Neurons
  • ** Multiple Layers
  • ** Fully Connected Layers
  • ** Other Types of layers
  • Common Tasks (Image Classification, Object Detection, Segmentation, etc)
  • Number of parameters
  • Common Architectures

Introduction to Tensorflow and Keras API

  • Tensors
  • Computation Graph
  • Visualizing the Graph
  • Training

Image Classification with Tensorflow

  • Building a simple architecture by hand
  • MNIST Dataset
  • Data Augmentation
Este recomandat să continui cu:
Programe de certificare

Nu sunt programe de ceritifcare pentru acest curs.

Detalii curs

Durată
3
zile

Preț
0
EUR

Modalități de livrare
Predare în clasă, Clasă hibridă, Clasă virtuală
Nivel de specializare
Într-o economie bazată pe cunoaștere, educarea și instruirea angajaților reprezintă o investiție în vederea obținerii unei performanțe îmbunătățite pe termen scurt, precum și a succesului pe termen lung al organizației.
DORESC SĂ MĂ ÎNSCRIU LA CURS

Vă rog să mă contactați:

Meniu