Kurz Machine Learning II. Mierne Pokročilý
Cieľom kurzu je zoznámiť ťa s problematikou machine learningu (strojového učenia) do takej miery, aby si bol schopný zvážiť zmysluplnosť nasadenie na vlastných dátach, teda či by nasadenie machine learningu mohlo priniesť napríklad nových klientov, znížiť náklady, alebo zvýšiť konkurenčnú výhodu. Kurz sa detailne nezameriava na jednotlivé metódy machine learningu a ich štatistické a matematické pozadia, zameriava sa na hlavné typy úloh a typické príklady dát vhodných pre analýzu. Ukážeme si ako pracovať s webovou relatívne jednoduchú platformou (BigML.com), pričom pre prácu s ňou nie sú potrebné žiadne nadštandardné znalosti okrem bežnej práce s PC.
Zdieľaj kurz a získaj zľavu
v hodnote 5 €
Termíny
20:00
20:00
20:00
20:00
20:00
20:00
20:00
20:00
20:00
20:00
Čo mi kurz prinesie?
I. Lineárna regresia s jednou premennou
II. Preskúmanie lineárnej algebry
Matrice a vektory
Pridanie a skalárne násobenie
Matematické vektorové násobenie
Maticové násobenie
Inverzia a transpozícia
Lineárna algebra
III. Lineárna regresia s viacerými premennými
Nastavenie prostredia priradenia programov
Inštalácia Matlabu
Viac prostriedkov oktávy/Matlabu
Viac funkcií
Zostup s prechodom pre viaceré premenné
Gradientné zostupy v praxi - zmena funkcie
Gradientné zostupy v praxi - miera učenia
Vlastnosti a polynomické regresia
Normálna akvizícia
Nemerateľnosť normálnej rovnice
Práca na programových úlohách a ich odosielanie
IV. Oktáva/Matlab
Základné operácie
Presúvanie údajov
Výpočet údajov
Vytlačovanie údajov
Kontrolné príkazy: pre, zatiaľ čo, ak vyhlásenie
Vektorizácia
Lineárna regresia
V. Logistická regresia
Klasifikácia
Zastúpenie hypotéz
Hranica rozhodnutia
Funkcia nákladov
Zjednodušená nákladová funkcia a sklon k prechodu
Pokročilá optimalizácia
Mriežka klasifikácie: jedna ku všetkým
VI. Regularizácia
Problém nadmerného vybavenia
Funkcia nákladov
Pravidelná lineárna regresia
Regularizovaná logistická regresia
Logistická regresia
VII. Neurónové siete: Reprezentácia
Nelineárne hypotézy
Neuróny a mozog
Modelové zastúpenie
Príklady a intuície
Klasifikácia viacerých tried
Klasifikácia a neurónové siete
VIII. Neurónové siete: Učenie
Funkcia nákladov
Spätný propagačný algoritmus
Inštitút spätnej propagácie
Implementačná poznámka: odvíjacie parametre
Kontrola gradientu
Náhodná inicializácia
Vloženie int dohromady
Autonómna jazda
Informácie
Informácie o kurze
- Kategória počítačového kurzu: Databázy a analytika
- Úroveň obtiažnosti kurzu: Mierne pokročilý
- Forma výuky: skupinová, individuálna na vyžiadanie, e-learning
- Veľkosť jednej skupiny: od 5 do max. 12 účastníkov
- Dĺžka kurzu: 2 dni
Cena kurzov
V cene kurzu sú zahrnuté učebné elektronické materiály, elektronická príručka spolu s certifikátom a drobným občerstvením.
Možnosti platby:
- Prevodom na účet
- Paypal
- Besteron
Organizácia kurzu
- Miesto konania kurzu: Bratislava, Tomášikova 50
- Denné kurzy: 9:00-13:30
- Večerné kurzy: 16:00-20:00
- Víkendové kurzy: 9:00-13:30 a 16:00-20:00
Pri denných, večerných aj víkendových kurzoch sú 2 prestávky po 10-15 minút.
Kurzy sa realizujú na kvalitných notebookoch značiek Asus, Lenovo a HP.
Materiály
- Farebná elektronická príručka
- Prezentácia
- Elektronické zdroje a knihy
- Vzorové príklady a testy
- Cheatsheets (ťaháky)
Komu je kurz určený
- Administrátori IT systémov
- Architekti IT systémov
- Analytici
- Štatistici
- Manažéri
Lektori
Ing. Mário Kašuba
Ako hodnotili kurz účastníci
Hodnotenie účastníkov
Mohlo by ťa zaujímať
- 7 500 +
spokojných klientov
- 25 000 +
odučených hodín
- 15
skúsených lektorov
- 1023
prezenčných kurzov
- 203
online kurzov
831 04 Bratislava
E-mail: +421 917 095 406
info@it-academy.sk
a budeš informovaný o novinkách a akciách.
a akciách pre vás alebo pre vašu firmu