Învățare automată
( 24 Module )

modul #1
Introducere în Machine Learning
Prezentare generală a învățării automate, tipurile de învățare automată și importanța învățării automate

modul #2
Fundamente matematice
Algebră liniară, calcul, probabilitate și statistică

modul #3
Preprocesarea datelor
Curățarea datelor, scalarea caracteristicilor, normalizarea și selecția caracteristicilor

modul #4
Învățare supravegheată
Introducere în învățarea supravegheată, regresie și clasificare

modul #5
Regresia liniară
Regresie liniară simplă și multiplă, funcție de cost și coborâre în gradient

modul #6
Regresia logistică
Regresie logistică, funcție sigmoidă și funcție de cost

modul #7
Arbori de decizie
Introducere în arbori de decizie, entropie și câștig de informații

modul #8
Păduri aleatorii
Învățare prin ansamblu, păduri aleatorii și reglare hiperparametrică

modul #9
Suport mașini vectoriale
Introducere în SVM-uri, trucul nucleului și SVM-urile cu marjă moale

modul #10
Învățare nesupravegheată
Introducere în învățarea nesupravegheată, gruparea și reducerea dimensionalității

modul #11
K-Means Clustering
K înseamnă algoritm de grupare, funcție de cost și algoritm Lloyds

modul #12
Clustering ierarhic
Clustering ierarhic, clustering aglomerativ și divizibil

modul #13
Analiza componentelor principale
Introducere în PCA, valori proprii și vectori proprii

modul #14
Fundamentele învățării profunde
Introducere în deep learning, rețele neuronale și perceptron

modul #15
Rețele neuronale convoluționale
Introducere în CNN-uri, straturi convoluționale și straturi de grupare

modul #16
Rețele neuronale recurente
Introducere în RNN, LSTM și GRU

modul #17
Procesarea limbajului natural
Introducere în NLP, preprocesarea textului și încorporarea cuvintelor

modul #18
Evaluarea și selecția modelului
Metrici pentru evaluare, supraadaptare și tehnici de selecție a modelului

modul #19
Reglajul hiperparametrilor
Introducere în reglarea hiperparametrului, căutarea în grilă și căutarea aleatorie

modul #20
Implementarea modelului
Implementarea modelelor de învățare automată, difuzarea modelelor și considerații

modul #21
Etica și corectitudinea în învățarea automată
Prejudecăți și corectitudine în învățarea automată, etică și transparență

modul #22
Studii de caz în învățarea automată
Aplicații reale ale învățării automate, studii de caz și proiecte

modul #23
Subiecte avansate în învățarea automată
Subiecte avansate în învățarea automată, inclusiv învățarea prin consolidare și modele generative

modul #24
Încheierea cursului și concluzia
Planificarea următorilor pași în cariera Machine Learning

Sunteți gata să învățați, să împărtășiți și să concurați?