با کار بر روی پروژه های عملی، با یادگیری ماشینی و هوش مصنوعی آشنا شوید.
درباره اشتباهات رایجی که هنگام ساخت مدل های یادگیری ماشین خود باید از آنها اجتناب کنید ، بیاموزید.
با شروع از تاریخ یادگیری ماشین ، ما بحث خواهیم کرد که چرا شبکه های عصبی امروزه در مشکلات مختلف عملکرد بسیار خوبی دارند. سپس ما در مورد چگونگی تنظیم یک مسئله یادگیری تحت نظارت و یافتن راه حل خوب با استفاده از نزولی شیب بحث می کنیم. این شامل ...
در این دوره ، شما یک نمای کلی از مفاهیم ، اصطلاحات ، و فرآیندهای زمینه هیجان انگیز یادگیری ماشین می گیرید!
یادگیری ماشینی، آمار، پایتون، هوش مصنوعی، تنسورفلو، AWS، یادگیری عمیق، برنامهنویسی R، NLP، بیزی، BI و موارد دیگر
پایتون، تنسورفلو، یادگیری عمیق، رگرسیون، طبقهبندی، شبکههای عصبی، هوش مصنوعی و موارد دیگر را بیاموزید!
با استفاده از مهندسی ویژگی ، حداکثر مقدار را از داده های خود استخراج کنید.
با کاوش در موضوعات پیچیده تر مانند word2vec ، doc2vec و شبکه های عصبی مکرر ، بر دانش بنیادی خود در مورد پردازش زبان طبیعی (NLP) استفاده کنید.
نحوه بهینه سازی عملکرد الگوریتم های یادگیری ماشین و اعمال انتخاب ویژگی با استفاده از الگوریتم ژنتیک را بیاموزید
این دوره نحوه استفاده از Azure Machine Learning را برای یک ابتکار موفقیت آمیز در زمینه علوم داده در میان م keyلفه های اصلی گردش کار ، خط لوله داده و زیرساخت مورد استفاده قرار خواهد داد.
"اگر شما نیز مانند من به استفاده از Pinterest برای وبلاگ یا تجارت خود توجه داشته اید، احتمالاً همه چیز را در مورد جنبه بازاریابی Pinterest مطالعه کرده اید و ..."
این دوره مقدمه ای در مورد قدرت ، انعطاف پذیری و مقیاس پذیری یادگیری ماشین لاجوردی است. شما یاد خواهید گرفت که فرایند علم داده را پیاده سازی کنید ، داده ها را آماده کنید و منابع داده را برای استفاده در آزمایش های یادگیری ماشین ادغام کنید.