Gépi tanulás
( 24 Modulok )

modul #1
Bevezetés a gépi tanulásba
A gépi tanulás áttekintése, a gépi tanulás típusai és a gépi tanulás fontossága

modul #2
Matematikai alapok
Lineáris algebra, számítás, valószínűségszámítás és statisztikák

modul #3
Adat-előfeldolgozás
Adattisztítás, jellemzők skálázása, normalizálás és funkcióválasztás

modul #4
Felügyelt tanulás
Bevezetés a felügyelt tanulásba, regresszió és osztályozás

modul #5
Lineáris regresszió
Egyszerű és többszörös lineáris regresszió, költség függvény és gradiens süllyedés

modul #6
Logisztikus regresszió
Logisztikus regresszió, szigmoid függvény és költségfüggvény

modul #7
Döntési fák
Bevezetés a döntési fákba, az entrópiába és az információszerzésbe

modul #8
Véletlenszerű Erdők
Együttes tanulás, véletlenszerű erdők és hiperparaméterek hangolása

modul #9
Támogató vektorgépek
Bevezetés az SVM-ekbe, a kerneltrükkökbe és a soft margin SVM-ekbe

modul #10
Felügyelet nélküli tanulás
Bevezetés a felügyelet nélküli tanulásba, klaszterezés és dimenziócsökkentés

modul #11
K-Means Clustering
K-means klaszterezési algoritmus, költségfüggvény és Lloyds-algoritmus

modul #12
Hierarchikus klaszterezés
Hierarchikus klaszterezés, agglomeratív és osztó klaszterezés

modul #13
Főkomponens-elemzés
Bevezetés a PCA-ba, sajátértékek és sajátvektorok

modul #14
Mély tanulás alapjai
Bevezetés a mély tanulásba, neurális hálózatok és perceptron

modul #15
Konvolúciós neurális hálózatok
Bevezetés a CNN-ekbe , konvolúciós rétegek és gyűjtőrétegek

modul #16
Ismétlődő neurális hálózatok
Bevezetés az RNN-ekbe, LSTM-be és GRU-ba

modul #17
Természetes nyelvi feldolgozás
Bevezetés az NLP-be, a szöveg-előfeldolgozásba és a szóbeágyazásokba

modul #18
Modellértékelés és -kiválasztás
Mérés az értékeléshez, túlillesztéshez és modellkiválasztási technikákhoz

modul #19
Hiperparaméter-hangolás
Bevezetés a hiperparaméter-hangolásba, rácskeresés és véletlenszerű keresésbe

modul #20
Modell bevezetése
Gépi tanulási modellek bevezetése, modellkiszolgálás és megfontolások

modul #21
Etika és méltányosság a gépi tanulásban
Elfogultság és méltányosság a gépi tanulásban, etika és átláthatóság

modul #22
Esettanulmányok a gépi tanulásban
Real- a gépi tanulás világbeli alkalmazásai, esettanulmányok és projektek

modul #23
Speciális témák a gépi tanulásban
Speciális témák a gépi tanulásban, beleértve a megerősítő tanulást és a generatív modelleket

modul #24
Tanfolyam összefoglalója és következtetései
A következő lépések tervezése a gépi tanulási karrierben

Készen áll a tanulásra, a megosztásra és a versenyre?