Schulungsübersicht

Einführung

Beschreiben der Struktur von unüberwachten Daten

  • Unüberwacht Machine Learning

Erkennen, Clustern und Generieren von Bildern, Videosequenzen und Bewegungsaufzeichnungsdaten

  • Tiefe Belief-Netzwerke (DBNs)

Rekonstruieren der ursprünglichen Eingabedaten aus einer verfälschten (verrauschten) Version

  • Auswahl und Extraktion von Merkmalen
  • Stacked Denoising Autokodierer

Analyse von visuellen Bildern

  • Faltungsanalyse Neural Networks

Ein besseres Verständnis der Datenstruktur gewinnen

  • Semi-überwachtes Lernen

Verstehen von Textdaten

  • Extraktion von Textmerkmalen

Erstellung hochpräziser Vorhersagemodelle

  • Verbesserung der Machine Learning-Ergebnisse
  • Ensemble-Methoden

Zusammenfassung und Schlussfolgerung

Voraussetzungen

  • Python Programmiererfahrung
  • Verständnis der Grundprinzipien des maschinellen Lernens

Publikum

  • Entwickler
  • Analysten
  • Datenwissenschaftler
  21 Stunden
 

Teilnehmerzahl


Beginnt

Endet


Die Termine sind abhängig von der Verfügbarkeit und finden zwischen 09:30 und 16:30 statt.
Offene Schulungskurse erfordern mindestens 5 Teilnehmer.

Erfahrungsberichte (1)

Kombinierte Kurse

Verwandte Kategorien