Schulungsübersicht

Überwachtes Lernen: Klassifizierung und Regression

  • Bias-Varianz-Abgleich
  • Logistische Regression als Klassifikator
  • Messung der Klassifikatorleistung
  • Support-Vektor-Maschinen
  • Neuronale Netze
  • Zufällige Wälder

Unüberwachtes Lernen: Clustering, Erkennung von Anomalien

  • Hauptkomponentenanalyse
  • Autocodierer

Fortgeschrittene neuronale Netzarchitekturen

  • Faltungsneuronale Netze für die Bildanalyse
  • rekurrente neuronale Netze für zeitstrukturelle Daten
  • die Zelle des Langzeitgedächtnisses

Praktische Beispiele für Probleme, die KI lösen kann, z. B.

  • Bildanalyse
  • Vorhersage komplexer Finanzreihen, wie z. B. Aktienkurse,
  • komplexe Mustererkennung
  • Verarbeitung natürlicher Sprache
  • Empfehlungssysteme

Für KI-Anwendungen verwendete Software-Plattformen:

  • TensorFlow, Theano, Caffe und Keras
  • KI in großem Maßstab mit Apache Spark: Mlib

Verstehen der Grenzen von KI-Methoden: Fehlermöglichkeiten, Kosten und häufige Schwierigkeiten

  • Überanpassung
  • Verzerrungen in Beobachtungsdaten
  • fehlende Daten
  • Vergiftung neuronaler Netze

Voraussetzungen

Für die Teilnahme an diesem Kurs sind keine besonderen Voraussetzungen erforderlich.

  28 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.

Kombinierte Kurse

Verwandte Kategorien