Schița de curs

Bazele Machine Learning

  • Introducere în conceptele și fluxurile de lucru Machine Learning
  • Învățarea supravegheată vs. nesupravegheată
  • Evaluarea modelelor de învățare automată: metrici și tehnici

Metode bayesiene

  • Naive Bayes și modele multinomiale
  • Analiza bayesiană a datelor categoriale
  • Modele grafice bayesiene

Tehnici de regresie

  • Regresia liniară
  • Regresia logistică
  • Modele liniare generalizate (GLM)
  • Modele mixte și modele aditive

Reducerea dimensionalității

  • Analiza componentelor principale (PCA)
  • Analiza factorilor (FA)
  • Analiza componentelor independente (ICA)

Metode de clasificare

  • K-Nearest Neighbors (KNN)
  • Support Vector Machines (SVM) pentru regresie și clasificare
  • Boosting și modele de ansamblu

Neural Networks

  • Introducere în rețelele neuronale
  • Aplicații ale învățării profunde în clasificare și regresie
  • Formarea și reglarea rețelelor neuronale

Algoritmi și modele avansate

  • Modele Markov ascunse (HMM)
  • Modele de spațiu de stare
  • Algoritmul EM

Tehnici de clusterizare

  • Introducere în clustering și învățare nesupravegheată
  • Algoritmi populari de clusterizare: K-Means, Clustering ierarhic
  • Cazuri de utilizare și aplicații practice ale clusterizării

Rezumat și pași următori

Cerințe

  • Înțelegere de bază a statisticii și a analizei datelor
  • Programming experiență în R, Python sau alte limbaje de programare relevante

Audiență

  • Oameni de știință în domeniul datelor
  • Statisticieni
 14 ore

Numărul de participanți


Pret per participant

Mărturii (5)

Upcoming Courses

Categorii înrudite