Plan Szkolenia

    Wprowadzenie do ML Uczenie maszynowe jako część sztucznej inteligencji Rodzaje algorytmów ML ML Wyzwania i potencjalne wykorzystanie ML Nadmierne dopasowanie i kompromis wariancji błędu systematycznego w ML Techniki uczenia maszynowego Przebieg pracy w uczeniu maszynowym Uczenie nadzorowane – Klasyfikacja, regresja Uczenie się bez nadzoru – Klastrowanie, Wykrywanie anomalii Uczenie się częściowo nadzorowane i Reinforcement Learning Uwzględnianie w uczeniu maszynowym Wstępne przetwarzanie danych Przygotowanie i transformacja danych Inżynieria cech Skalowanie funkcji Redukcja wymiarów i wybór zmiennych Wizualizacja danych Analiza eksploracyjna Studia przypadków Zaawansowana inżynieria cech i wpływ na wyniki w regresji liniowej do celów predykcji Analiza szeregów czasowych oraz Prognozowanie miesięcznego wolumenu sprzedaży – metody podstawowe, korekta sezonowa, regresja, wygładzanie wykładnicze, ARIMA, sieci neuronowe Analiza koszyka rynkowego i eksploracja reguł asocjacyjnych Analiza segmentacji z wykorzystaniem grupowania i samoorganizujących się map Klasyfikacja, który klient prawdopodobnie nie wywiąże się z zobowiązań za pomocą regresji logistycznej, decyzja drzewa, xgboost, svm

Wymagania

Wiedza i świadomość Machine Learning podstawowych zasad

 14 godzin

Liczba uczestników


cena netto za uczestnika

Opinie uczestników (2)

Propozycje terminów

Powiązane Kategorie