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



Preis je Teilnehmer

Kombinierte Kurse

Verwandte Kategorien