Mesterséges intelligencia és gépi tanulás
( 25 Modulok )

modul #1
Bevezetés a mesterséges intelligenciába
A mesterséges intelligencia, történetének és alkalmazásainak áttekintése

modul #2
A gépi tanulás alapjai
Bevezetés a gépi tanulásba, típusokba és a felügyelt/nem felügyelt tanulásba

modul #3
Matek és statisztika ML
Lineáris algebra, számítás, valószínűségszámítás és statisztika a gépi tanuláshoz

modul #4
Python for Machine Learning
Bevezetés a Pythonba, a NumPy-be, a Pandákba és az adatkezelésbe

modul #5
Adat-előfeldolgozás
Adatok tisztítás, funkcióméretezés és jellemzők kiválasztása

modul #6
Felügyelt tanulás
Regressziós, osztályozási és modellértékelési mutatók

modul #7
Lineáris regresszió
Egyszerű és többszörös lineáris regresszió, költségfüggvény és gradiens süllyedés

modul #8
Logisztikus regresszió
Bináris osztályozás, logisztikai függvény és döntési határok

modul #9
Döntésfák
Bevezetés a döntési fákba, az entrópiába és az információszerzésbe

modul #10
Véletlenszerű erdők
Együttes tanulás, zsákolás és véletlenszerű erdők

modul #11
Támogató vektorgépek
Maximális árrés osztályozása, lágy margó és kerneltrükk

modul #12
Felügyelet nélküli tanulás
Clusterezés, méretcsökkentés és anomália-észlelés

modul #13
K-Means Clustering
K-means algoritmus, centroid inicializálás és konvergencia

modul #14
Főkomponens-elemzés
PCA, jellemzők kinyerése és dimenziócsökkentés

modul #15
Deep Learning Fundamentals
Bevezetés az idegrendszerbe hálózatok, perceptron és többrétegű perceptron

modul #16
Konvolúciós neurális hálózatok
CNN-ek, konvolúciós rétegek és képosztályozás

modul #17
Recurrent Neural Networks
RNN-ek, LSTM és sorozatmodellezés

modul #18
Természetes Nyelvi feldolgozás
Szöveg-előfeldolgozás, tokenizálás és szóbeágyazás

modul #19
Transfertanulás
Előre betanított modellek, finomhangolás és modellállat

modul #20
Modell értékelése és kiválasztása
Modell kiválasztása, hiperparaméter hangolás és keresztellenőrzés

modul #21
Kiegyensúlyozatlan adatkészletek kezelése
Osztálykiegyensúlyozatlanság, túl- és alulmintavételezési technikák

modul #22
Modell üzembe helyezés
Modell üzembe helyezés, API-integráció és Docker konténerezés

modul #23
AI etika és méltányosság
Elfogultság észlelése, méltányossági mutatók és etikai megfontolások

modul #24
Speciális témák a mesterséges intelligenciában
Generatív modellek, figyelemmechanizmusok és megmagyarázható AI

modul #25
Tanfolyam összefoglalója és következtetései
A következő lépések tervezése a mesterséges intelligencia és a gépi tanulás terén

Készen áll a tanulásra, a megosztásra és a versenyre?