Cảm ơn bạn đã gửi yêu cầu! Một thành viên trong đội ngũ của chúng tôi sẽ liên hệ với bạn ngay lập tức.
Cảm ơn bạn đã gửi đặt chỗ! Một thành viên trong đội ngũ của chúng tôi sẽ liên hệ với bạn ngay lập tức.
Đề cương khóa học
Giới thiệu
- Tổng quan về nhận dạng mẫu và học máy
- Các ứng dụng chính trong nhiều lĩnh vực
- Tầm quan trọng của nhận dạng mẫu trong công nghệ hiện đại
Lý thuyết xác suất, Lựa chọn mô hình, Quyết định và Lý thuyết thông tin
- Các nguyên tắc cơ bản của lý thuyết xác suất trong nhận dạng mẫu
- Các khái niệm về lựa chọn và đánh giá mô hình
- Lý thuyết quyết định và các ứng dụng của nó
- Các nguyên tắc cơ bản của lý thuyết thông tin
Phân phối xác suất
- Tổng quan về các phân phối xác suất phổ biến
- Vai trò của các phân phối trong việc mô hình hóa dữ liệu
- Các ứng dụng trong nhận dạng mẫu
Mô hình tuyến tính cho hồi quy và phân loại
- Giới thiệu về hồi quy tuyến tính
- Hiểu về phân loại tuyến tính
- Các ứng dụng và hạn chế của mô hình tuyến tính
Neural Networks
- Các nguyên tắc cơ bản của mạng nơ-ron và học sâu
- Huấn luyện mạng nơ-ron cho nhận dạng mẫu
- Các ví dụ thực tế và nghiên cứu điển hình
Phương pháp Kernel
- Giới thiệu về phương pháp Kernel trong nhận dạng mẫu
- Máy vector hỗ trợ và các mô hình dựa trên Kernel khác
- Các ứng dụng trong dữ liệu nhiều chiều
Máy Kernel thưa
- Hiểu về mô hình thưa trong nhận dạng mẫu
- Các kỹ thuật để mô hình thưa và chính quy hóa
- Các ứng dụng thực tế trong phân tích dữ liệu
Mô hình đồ thị
- Tổng quan về mô hình đồ thị trong học máy
- Mạng Bayesian và trường ngẫu nhiên Markov
- Suy luận và học tập trong mô hình đồ thị
Mô hình hỗn hợp và EM
- Giới thiệu về mô hình hỗn hợp
- Thuật toán Kỳ vọng-Tối đa hóa (EM)
- Các ứng dụng trong phân cụm và ước tính mật độ
Suy luận xấp xỉ
- Các kỹ thuật để suy luận xấp xỉ trong các mô hình phức tạp
- Phương pháp biến phân và lấy mẫu Monte Carlo
- Các ứng dụng trong phân tích dữ liệu quy mô lớn
Phương pháp lấy mẫu
- Tầm quan trọng của việc lấy mẫu trong các mô hình xác suất
- Kỹ thuật Monte Carlo Markov Chain (MCMC)
- Các ứng dụng trong nhận dạng mẫu
Biến tiềm ẩn liên tục
- Hiểu về mô hình biến tiềm ẩn liên tục
- Các ứng dụng trong giảm chiều và biểu diễn dữ liệu
- Các ví dụ thực tế và nghiên cứu điển hình
Dữ liệu tuần tự
- Giới thiệu về mô hình hóa dữ liệu tuần tự
- Mô hình Markov ẩn và các kỹ thuật liên quan
- Các ứng dụng trong phân tích chuỗi thời gian và nhận dạng giọng nói
Kết hợp mô hình
- Các kỹ thuật để kết hợp nhiều mô hình
- Phương pháp tập hợp và tăng cường
- Các ứng dụng trong việc cải thiện độ chính xác của mô hình
Tóm tắt và các bước tiếp theo
Yêu cầu
- Hiểu biết về thống kê
- Làm quen với giải tích đa biến và đại số tuyến tính cơ bản
- Có một số kinh nghiệm về xác suất
Đối tượng
- Nhà phân tích dữ liệu
- Sinh viên cao học, nhà nghiên cứu và người thực hành
21 Giờ học
Đánh giá (5)
Hunter thật xuất sắc, rất cuốn hút, cực kỳ am hiểu và thân thiện. Rất tốt indeed. (Note: "Rất tốt indeed" keeps the original English word "indeed" as it doesn't have a direct translation that conveys the same emphasis in Vietnamese. However, for better flow in Vietnamese, we can omit "indeed".) Hunter thật xuất sắc, rất cuốn hút, cực kỳ am hiểu và thân thiện. Rất tốt.
Rick Johnson - Laramie County Community College
Khóa học - Artificial Intelligence (AI) Overview
Dịch thuật bằng máy
Very flexible.
Frank Ueltzhoffer
Khóa học - Artificial Neural Networks, Machine Learning and Deep Thinking
Dịch thuật bằng máy
I liked the new insights in deep machine learning.
Josip Arneric
Khóa học - Neural Network in R
Dịch thuật bằng máy
Ann created a great environment to ask questions and learn. We had a lot of fun and also learned a lot at the same time.
Gudrun Bickelq
Khóa học - Introduction to the use of neural networks
Dịch thuật bằng máy
It was very interactive and more relaxed and informal than expected. We covered lots of topics in the time and the trainer was always receptive to talking more in detail or more generally about the topics and how they were related. I feel the training has given me the tools to continue learning as opposed to it being a one off session where learning stops once you've finished which is very important given the scale and complexity of the topic.
Jonathan Blease
Khóa học - Artificial Neural Networks, Machine Learning, Deep Thinking
Dịch thuật bằng máy
