Eğitim İçeriği

Denetimli öğrenme: sınıflandırma ve regresyon

  • Machine Learning içinde Python: scikit-learn API'ye giriş
    • doğrusal ve lojistik regresyon
    • destek vektör makinesi
    • sinir ağları
    • rastgele orman
  • scikit-learn kullanarak uçtan uca denetimli bir öğrenme hattı kurma
    • veri dosyalarıyla çalışma
    • eksik değerlerin tamamlanması
    • kategorik değişkenlerin işlenmesi
    • verilerin görselleştirilmesi

Python yapay zeka uygulamaları için çerçeveler:

  • TensorFlow, Theano, Caffe ve Keras
  • Apache Spark ile ölçekte yapay zeka: Mlib

Gelişmiş sinir ağı mimarileri

  • görüntü analizi için evrişimli sinir ağları
  • zamanla yapılandırılmış veriler için yinelemeli sinir ağları
  • uzun kısa süreli bellek hücresi

Denetimsiz öğrenme: kümeleme, anomali tespiti

  • scikit-learn ile temel bileşen analizi uygulama
  • Keras içinde otomatik kodlayıcılar uygulama

Yapay zekanın çözebileceği sorunlara ilişkin pratik örnekler (Jupyter not defterlerini kullanan uygulamalı egzersizler), örneğin

  • görüntü analizi
  • hisse senedi fiyatları gibi karmaşık finansal serilerin tahmini,
  • karmaşık desen tanıma
  • doğal dil işleme
  • öneri sistemleri

Yapay zeka yöntemlerinin sınırlamalarını anlama: başarısızlık modları, maliyetler ve yaygın zorluklar

  • aşırı öğrenme
  • önyargı/varyans dengesi
  • gözlemsel verilerdeki önyargılar
  • sinir ağı zehirlenmesi

Uygulamalı Proje Çalışması (isteğe bağlı)

Kurs İçin Gerekli Önbilgiler

Bu kursa katılmak için herhangi bir ön koşul bulunmamaktadır.

 28 Saat

Katılımcı Sayısı


Kişi Başına Fiyat

Danışanlarımızın Yorumları (2)

Yaklaşan Etkinlikler

İlgili Kategoriler