Liên hệ với chúng tôi

Đề cương khóa học

Học giám sát: phân loại và hồi quy

  • Machine Learning trong Python: giới thiệu về API scikit-learn
    • hồi quy tuyến tính và logic
    • máy vector hỗ trợ
    • mạng nơ-ron
    • rừng ngẫu nhiên
  • Thiết lập quy trình học giám sát đầu-cuối bằng scikit-learn
    • xử lý tệp dữ liệu
    • bù đắp giá trị thiếu
    • xử lý biến phân loại
    • trực quan hóa dữ liệu

Các framework Python cho ứng dụng AI:

  • TensorFlow, Theano, Caffe và Keras
  • AI ở quy mô lớn với Apache Spark: Mlib

Kiến trúc mạng nơ-ron nâng cao

  • mạng nơ-ron tích chập cho phân tích hình ảnh
  • mạng nơ-ron tuần tự cho dữ liệu cấu trúc theo thời gian
  • cell bộ nhớ ngắn dài hạn (LSTM)

Học không giám sát: cụm hóa, phát hiện điểm bất thường

  • triển khai phân tích thành phần chính bằng scikit-learn
  • triển khai autoencoder trong Keras

Ví dụ thực tế về các vấn đề mà AI có thể giải quyết (bài tập thực hành sử dụng Jupyter notebooks), ví dụ:

  • phân tích hình ảnh
  • dự báo chuỗi tài chính phức tạp, chẳng hạn như giá cổ phiếu,
  • nhận diện mẫu phức tạp
  • xử lý ngôn ngữ tự nhiên
  • hệ thống gợi ý

Hiểu rõ các giới hạn của phương pháp AI: chế độ thất bại, chi phí và khó khăn thường gặp

  • hiện tượng quá khớp
  • thương mại hóa giữa độ thiên lệch và phương sai
  • độ thiên lệch trong dữ liệu quan sát
  • ô nhiễm mạng nơ-ron

Công việc Dự án ứng dụng (tuỳ chọn)

Yêu cầu

Không có yêu cầu cụ thể nào cần thiết để tham gia khoá học này.

 28 Giờ

Số người tham gia


Giá cho mỗi học viên

Đánh giá (2)

Các khóa học sắp tới

Các danh mục liên quan