Cursos de Redes Neuronales Artificiales, Pensamiento Profundo y Aprendizaje Automático

Algunos de nuestros clientes

Código del Curso

bspkannmldt

Duración

21 horas (usualmente 3 días, incluidas las pausas)

Descripción General

Artificial Neural Network es un modelo de datos computacional usado en el desarrollo de sistemas de Artificial Intelligence (AI) capaces de realizar tareas "inteligentes". Neural Networks se usan comúnmente en aplicaciones de Machine Learning (ML), que son en sí mismas una implementación de AI. Deep Learning es un subconjunto de ML.

Machine Translated

Programa del Curso

1. Comprensión de la clasificación con los vecinos más cercanos

  • El algoritmo kNN
  • Calculando la distancia
  • Elegir un k apropiado
  • Preparación de datos para su uso con kNN
  • ¿Por qué el algoritmo kNN es perezoso?

2. Entendiendo Bayes ingenuos

  • Conceptos básicos de los métodos bayesianos
  • Probabilidad
  • Probabilidad conjunta
  • Probabilidad condicional con el teorema de Bayes
  • El ingenioso algoritmo de Bayes
  • La ingenua clasificación de Bayes
  • El estimador de Laplace
  • Utilizar funciones numéricas con bayes ingenuos

3.Comprensión de árboles de decisión

  • Divide y conquistaras
  • El algoritmo del árbol de decisiones C5.0
  • Elegir la mejor división
  • Podar el árbol de decisiones

4. Descripción de las reglas de clasificación

  • Separa y conquista
  • El algoritmo de una regla
  • El algoritmo RIPPER
  • Reglas de árboles de decisión

5.Comprensión de la regresión

  • Regresión lineal simple
  • Estimación de mínimos cuadrados ordinarios
  • Correlaciones
  • Regresión lineal múltiple

6. Entender árboles de regresión y árboles modelo

  • Agregando regresión a los árboles

7. Entender las redes neuronales

  • De las neuronas biológicas a las artificiales
  • Funciones de activación
  • Topología de la red
  • El número de capas
  • La dirección del viaje de información
  • El número de nodos en cada capa
  • Entrenamiento de redes neuronales con backpropagation

8. Comprensión de las máquinas de soporte vectorial

  • Clasificación con hiperplanos
  • Determinación del margen máximo
  • El caso de datos linealmente separables
  • El caso de datos no linealmente separables
  • Uso de kernels para espacios no lineales

9. Entender las reglas de asociación

  • El algoritmo Apriori para el aprendizaje de reglas de asociación
  • Medición del interés de la regla - apoyo y confianza
  • Construir un conjunto de reglas con el principio Apriori

10. Entender el agrupamiento

  • Agrupación como tarea de aprendizaje automático
  • El algoritmo k-means para la agrupación
  • Uso de la distancia para asignar y actualizar clústeres
  • Elegir el número apropiado de clusters

11. Medición del rendimiento para la clasificación

  • Trabajar con datos de predicción de clasificación
  • Una mirada más cercana a las matrices de confusión
  • Uso de matrices de confusión para medir el rendimiento
  • Más allá de la precisión - otras medidas de rendimiento
  • La estadística kappa
  • Sensibilidad y especificidad
  • Precisión y recordación
  • La medida F
  • Visualización de compensaciones de rendimiento
  • Curvas ROC
  • Estimación del rendimiento futuro
  • El método holdout
  • Validación cruzada
  • Muestreo Bootstrap

12. Ajuste de modelos de stock para un mejor rendimiento

  • Uso del cursor para la sintonización automática de parámetros
  • Creación de un modelo sintonizado simple
  • Personalización del proceso de sintonización
  • Mejorar el rendimiento del modelo con meta-aprendizaje
  • Entendiendo conjuntos
  • Harpillera
  • Impulsando
  • Bosques al azar
  • Formación de bosques al azar
  • Evaluación del rendimiento forestal aleatorio

13. Aprendizaje Profundo

  • Tres Clases de Aprendizaje Profundo
  • Autocodificadores profundos
  • Redes Neuronales Profundas Pre-entrenadas
  • Redes apiladoras profundas

14. Discusión de Áreas de Aplicación Específicas

Testimonios

★★★★★
★★★★★

Categorías Relacionadas

Cursos Relacionados

Promociones

Descuentos en los Cursos

Respetamos la privacidad de su dirección de correo electrónico. No transmitiremos ni venderemos su dirección a otras personas.
En cualquier momento puede cambiar sus preferencias o cancelar su suscripción por completo.

is growing fast!

We are looking to expand our presence in Venezuela!

As a Business Development Manager you will:

  • expand business in Venezuela
  • recruit local talent (sales, agents, trainers, consultants)
  • recruit local trainers and consultants

We offer:

  • Artificial Intelligence and Big Data systems to support your local operation
  • high-tech automation
  • continuously upgraded course catalogue and content
  • good fun in international team

If you are interested in running a high-tech, high-quality training and consulting business.

Apply now!

Este sitio en otros países / regiones