Schulungsübersicht

Überwachtes Lernen: Klassifizierung und Regression

    Maschinelles Lernen in Python: Einführung in die Scikit-Learn-API, lineare und logistische Regression, Unterstützung von Vektormaschinen, neuronale Netze, Zufallswald
Einrichten einer End-to-End-Pipeline für überwachtes Lernen mithilfe von scikit-learn und der Arbeit mit Datendateien
  • Imputation fehlender Werte
  • Umgang mit kategorialen Variablen
  • Daten visualisieren
  • Python Frameworks für KI-Anwendungen:
  • TensorFlow, Theano, Caffe und Keras AI im Maßstab mit Apache Spark: Mlib

      Fortschrittliche neuronale Netzwerkarchitekturen

    Faltungs-Neuronale Netze zur Bildanalyse, Rekurrente Neuronale Netze für zeitstrukturierte Daten, die lange Kurzzeitgedächtniszelle

      Unüberwachtes Lernen: Clustering, Anomalieerkennung

    Implementierung der Hauptkomponentenanalyse mit Scikit-Learn Implementierung von Autoencodern in Keras

      Praktische Beispiele für Probleme, die KI lösen kann (praktische Übungen mit Jupyter-Notebooks), z

    Bildanalyse, Prognose komplexer Finanzreihen wie Aktienkurse, Erkennung komplexer Muster, Verarbeitung natürlicher Sprache, Empfehlungssysteme

      Verstehen Sie die Grenzen von KI-Methoden: Fehlerarten, Kosten und häufige Schwierigkeiten

    Überanpassungs-Bias/Varianz-Kompromiss-Bias bei der Vergiftung neuronaler Netze durch Beobachtungsdaten

      Angewandte Projektarbeit (optional)

    Voraussetzungen

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

     28 Stunden

    Teilnehmerzahl



    Preis je Teilnehmer

    Erfahrungsberichte (2)

    Kombinierte Kurse

    H2O AutoML

    14 Stunden

    AutoML with Auto-sklearn

    14 Stunden

    AutoML with Auto-Keras

    14 Stunden

    Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation

    21 Stunden

    Introduction to Stable Diffusion for Text-to-Image Generation

    21 Stunden

    AlphaFold

    7 Stunden

    TensorFlow Lite for Embedded Linux

    21 Stunden

    TensorFlow Lite for Android

    21 Stunden

    TensorFlow Lite for iOS

    21 Stunden

    Tensorflow Lite for Microcontrollers

    21 Stunden

    Deep Learning Neural Networks with Chainer

    14 Stunden

    Distributed Deep Learning with Horovod

    7 Stunden

    Accelerating Deep Learning with FPGA and OpenVINO

    35 Stunden

    Building Deep Learning Models with Apache MXNet

    21 Stunden

    Deep Learning with Keras

    21 Stunden

    Verwandte Kategorien