Maskinlæring
( 24 Moduler )

modul #1
Introduksjon til maskinlæring
Oversikt over maskinlæring, typer maskinlæring og viktigheten av maskinlæring

modul #2
Mathematical Foundations
Lineær algebra, kalkulus, sannsynlighet og statistikk

modul #3
Dataforbehandling
Datarensing, funksjonsskalering, normalisering og funksjonsvalg

modul #4
Supervised Learning
Introduksjon til overvåket læring, regresjon og klassifisering

modul #5
Lineær regresjon
Enkel og multippel lineær regresjon, kostnad funksjon og gradientnedstigning

modul #6
Logistisk regresjon
Logistisk regresjon, sigmoidfunksjon og kostnadsfunksjon

modul #7
Beslutningstrær
Introduksjon til beslutningstrær, entropi og informasjonsgevinst

modul #8
Tilfeldig Forests
Ensemble learning, random forests, and hyperparameter tuning

modul #9
Support Vector Machines
Introduction to SVMs, kernel trick, and soft margin SVMs

modul #10
Unsupervised Learning
Introduction to unsupervised learning, klynging og dimensjonalitetsreduksjon

modul #11
K-Means Clustering
K-betyr klyngingsalgoritme, kostnadsfunksjon og Lloyds-algoritme

modul #12
Hierarkisk klynging
Hierarkisk klynging, agglomerativ og splittende klynging

modul #13
Principal Component Analysis
Introduksjon til PCA, egenverdier og egenvektorer

modul #14
Deep Learning Fundamentals
Introduksjon til dyp læring, nevrale nettverk og perceptron

modul #15
Convolutional Neural Networks
Introduksjon til CNNs , konvolusjonslag og sammenslåingslag

modul #16
Recurrent Neural Networks
Introduksjon til RNN, LSTM og GRU

modul #17
Natural Language Processing
Introduksjon til NLP, tekstforbehandling og ordinnbygging

modul #18
Model Evaluation and Selection
Metrics for evaluering, overfitting, and model selection techniques

modul #19
Hyperparameter Tuning
Introduksjon til hyperparameter tuning, grid search og random search

modul #20
Model Deployment
Implementering av maskinlæringsmodeller, modellvisning og hensyn

modul #21
Ethics and Fairness in Machine Learning
Bias and fairness in machine learning, ethics, and transparency

modul #22
Case Studies in Machine Learning
Real- verdensanvendelser av maskinlæring, casestudier og prosjekter

modul #23
Avanserte emner i maskinlæring
Avanserte emner innen maskinlæring, inkludert forsterkningslæring og generative modeller

modul #24
Kursavslutning og konklusjon
Planlegging av neste trinn i maskinlæringskarrieren

Klar til å lære, dele og konkurrere?