Schulungsübersicht

Einführung

Wahrscheinlichkeitstheorie, Modellauswahl, Entscheidungs- und Informationstheorie

Wahrscheinlichkeitsverteilungen

Lineare Modelle für Regression und Klassifizierung

Neural Networks

Kernel-Methoden

Sparse-Kernel-Maschinen

Grafische Modelle

Mischungsmodelle und EM

Ungefähre Schlussfolgerung

Probenahmemethoden

Kontinuierliche latente Variablen

Sequentielle Daten

Kombinieren von Modellen

Zusammenfassung und Schlussfolgerung

Voraussetzungen

  • Verständnis der Statistik.
  • Vertrautheit mit multivariater Kalkulation und grundlegender linearer Algebra.
  • Eine gewisse Erfahrung mit Wahrscheinlichkeiten.

Publikum

  • Datenanalysten
  • PhD-Studenten, Forscher und Praktiker
  21 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.

Erfahrungsberichte (2)

Kombinierte Kurse

Verwandte Kategorien