Ευχαριστούμε που στάλθηκε η αποσαφήνισή σας! Ένα μέλος της ομάδου μας θα επικοινωνήσει μαζί σας σύντομα.
Ευχαριστούμε για την εκδήλωση κράτησης! Ένας από τους συνεργάτες μας θα επικοινωνήσει μαζί σας σύντομα.
Εξέλιξη Κομματιού
Εισαγωγή στην Εφαρμοσμένη Μηχανική Μάθηση
- Στατιστικό μάθημα vs. Μηχανικό μάθημα
- Επανάληψη και επιδοκιμασία
- Συμβιβαστής Bias-Variance
- Εποπτευόμενο vs. Μη-εποπτευόμενο μάθημα
- Προβλήματα που λύνονται με την τεχνολογία του μηχανικού μαθήματος
- Εκπαίδευση, Επαλήθευση και Κατάληψη – Προσέγγιση του ML για να αποφευχθεί η υπερπροσαρμογή
- Προσέγγιση του μηχανικού μαθήματος
- Αλγόριθμοι μηχανικού μαθήματος
- Επιλογή κατάλληλου αλγόριθμου για το πρόβλημα
Αξιολόγηση Αλγορίθμων
- Αξιολόγηση αριθμητικών προβλέψεων
- Μέτρα ακρίβειας: ME, MSE, RMSE, MAPE
- Σταθερότητα παραμέτρων και προβλέψεων
- Αξιολόγηση αλγορίθμων ταξινόμησης
- Ακρίβεια και οι προβλήματές της
- Η μάτριξ σύγχυσης
- Πρόβλημα δυσισορροπίας κλάσεων
- Οπτικοποίηση του επιδόσιμου μοντέλου
- Καμπύλη κέρδους
- Καμπύλη ROC
- Καμπύλη αύξησης (Lift curve)
- Επιλογή μοντέλου
- Ρύθμιση του μοντέλου – στρατηγικές δίκτυου (grid search)
Ηττερωποίηση Δεδομένων για Μοντελοποίηση
- Εισαγωγή και αποθήκευση δεδομένων
- Κατανόηση των δεδομένων – βασικές εξερεύνησεις
- Επεξεργασία δεδομένων με τη βιβλιοθήκη pandas
- Μετασχηματισμός δεδομένων – ηττερωποίηση (data wrangling)
- Εξερευνητική ανάλυση
- Απώλειες παρατηρήσεων – ανίχνευση και λύσεις
- Εξωφθυμισμένα δεδομένα (outliers) – ανίχνευση και στρатегίες
- Κανονικοποίηση, εξομαλυντική προσεγγίση, δυαδικόποιηση (binarization)
- Μετακωδικοποίηση κατηγορικών δεδομένων
Αλγόριθμοι Μηχανικού Μαθήματος για την ανίχνευση εξωφθυμισμένων δεδομένων (outliers)
- Εποπτευόμενοι αλγόριθμοι
- KNN
- Ensemble Gradient Boosting
- SVM
- Μη-εποπτευόμενοι αλγόριθμοι
- Βασισμένοι στην απόσταση
- Μέθοδοι μάθησης πυκνότητας (density-based)
- Πιθανοφανιστικές μέθοδοι
- Μέθοδοι βασισμένοι σε μοντέλα
Κατανόηση του Βάθυτου Μαθήματος (Deep Learning)
- Επισκόπηση βασικών εννοιών του βάθυτου μαθήματος
- Διάκριση Μηχανικού Μαθήματος και Βάθυτου Μαθήματος
- Επισκόπηση εφαρμογών του βάθυτου μαθήματος
Επισκόπηση Τεχνητών Νευρωνικών Δικτύων (Neural Networks)
- Τι είναι τα Τεχνητά Νευρωνικά Δίκτυα
- Σύγκριση Τεχνητών Νευρωνικών Δικτύων και Μοντέλων Παλινδρόμησης
- Κατανόηση των μαθηματικών βάσεων και μηχανισμών μάθησης
- Δημιουργία Τεχνητού Νευρωνικού Δικτύου
- Κατανόηση των νευρωνικών κόμβων και συνδέσεων
- Εργασία με νεύρονες, επιπέδους και δεδομένα είσοδου και έξοδου
- Κατανόηση των Απλών Στρωμάτων Προσαρμογής (Single Layer Perceptrons)
- Διάκριση Εποπτευόμενου και Μη-Εποπτευόμενου Μαθήματος
- Μάθηση Προοδευτικών (Feedforward) και Ανατροφικών (Feedback) Νευρωνικών Δικτύων
- Κατανόηση του Πρόσημου προς Μπράβο (Forward Propagation) και Ανάποδης Προσαρμογής (Back Propagation)
Κατασκευή Απλών Μοντέλων Βάθυτου Μαθήματος με τη Keras
- Δημιουργία Μοντέλου Keras
- Κατανόηση των Δεδομένων
- Καθορισμός του Μοντέλου Βάθυτου Μαθήματος
- Τύπωση (Compilation) του Μοντέλου
- Εξομαλυντική προσεγγίση (Fitting) του Μοντέλου
- Εργασία με δεδομένα κατηγορικής ταξινόμησης
- Εργασία με Μοντέλα Ταξινόμησης
- Χρήση των Μοντέλων
Εργασία με τη TensorFlow για το Βάθυτο Μάθημα
- Προετοιμασία των Δεδομένων
- Κατέβασμα των Δεδομένων
- Προετοιμασία Εκπαιδευτικών Δεδομένων
- Προετοιμασία Δεδομένων Έλεγχου
- Κλίμακα των Εισόδων (Scaling Inputs)
- Χρήση Placeholder και Variables
- Καθορισμός της Αρχιτεκτονικής του Δικτύου
- Χρήση Συνάρτησης Κόστους (Cost Function)
- Χρήση Εξομαλυντή (Optimizer)
- Χρήση Αρχικοποίησης (Initializers)
- Εξομαλυντική προσεγγίση (Fitting) του Νευρωνικού Δικτύου
- Δημιουργία Γράφου
- Πρόβλεψη (Inference)
- Χάμη (Loss)
- Εξομαλυντική προσεγγίση (Training)
- Εκπαίδευση του Μοντέλου
- Ο Γράφος
- Η Σύνοδος (The Session)
- Κύκλος Εξόδων (Train Loop)
- Αξιολόγηση του Μοντέλου
- Δημιουργία Γράφου Αξιολόγησης (Building the Eval Graph)
- Αξιολόγηση με Εξέταση (Evaluating with Eval Output)
- Εκπαίδευση Μοντέλων σε Κλίμακα
- Οπτικοποίηση και Αξιολόγηση Μοντέλων με τη TensorBoard
Εφαρμογή Βάθυτου Μαθήματος στην Ανίχνευση Απόκλισης (Anomaly Detection)
- Αυτοκωδικόποιητης (Autoencoder)
- Αρχιτεκτονική Κωδικοποιητή - Δεκωδικοποιητή
- Χάμα ανασυγκατασκευής (Reconstruction loss)
- Αλληλεπιρρόφητου Αυτοκωδικόποιητη (Variational Autoencoder)
- Αλληλεπιρρόφηση παραμέτρων (Variational inference)
- Δίκτυο Παγκαταστολής Αντίθεσης (Generative Adversarial Network)
- Αρχιτεκτονική Συνδυασμού Κωδικοποιητή – Διάκριση (Generator - Discriminator architecture)
- Προσεγγίσεις AN χρησιμοποιώντας GAN
Ενδυναμωτικές Πλατφόρμες (Ensemble Frameworks)
- Συσχετισμός αποτελεσμάτων διαφορετικών μεθόδων
- Αγγείωση Συμβολής (Bootstrap Aggregating)
- Μέση ως συνάρτηση απόκλισης
Απαιτήσεις
- Εμπειρία προγραμματισμού με Python
- Βασική γνώση στατιστικής και μαθηματικών εννοιών
Απευθύνεται σε
- Προγραμματιστές
- Επιστήμονες δεδομένων
28 Ώρες
Σχόλια (5)
Η κατάρτιση παρείχε μια ενδιαφέρουσα γενική έκθεση των μοdelών βαθύς μάθησης και των συνexouέντων μεθόδων. Το θέμα ήταν αρκετά νέo για μένα, αλλά τώρα νιώθω ότι πραγματικά έχω κατανoήσει τι μπορεί να εξυφαίνεται στην τεχνητή νοημοσύνη (ΤΝ) και το μηχανικό μάθηση (ΜΜ), τι περιλαμβάνουν αυτές οι όροι και πώς μπορούν να εφαρμοστούν με πλεονεκτικό τρόπo. Γενικά, μου αρέσανε η πρoσέγγιση να ξεκινάμε με το στατιστικό υπόβαθρo και τα βασικά μοdelά μάθησης, όπως η γραμμική παλίνδρομη, εξετάζοντας eιδικά τις ασκήσεις μετaxύ.
Konstantin - REGNOLOGY ROMANIA S.R.L.
Κομμάτι - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Μηχανική Μετάφραση
Η Άνα ήταν πάντα έτοιμη να ρωτήσει αν υπάρχουν ερωτήσεις και προσπαθούσε πάντα να μας κάνει πιο δραστήριους τοποθετώντας ερωτήσεις, κάτι που μας έκανε όλους πραγματικά εμπλεκόμενους στην κατάρτιση.
Enes Gicevic - REGNOLOGY ROMANIA S.R.L.
Κομμάτι - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Μηχανική Μετάφραση
Μου άρεσε το πώς εντάχθηκε στις πρακτικές.
Bertan - REGNOLOGY ROMANIA S.R.L.
Κομμάτι - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Μηχανική Μετάφραση
Η εκτενής εμπειρία και γνώση του εκπαιδευτή
Ovidiu - REGNOLOGY ROMANIA S.R.L.
Κομμάτι - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Μηχανική Μετάφραση
το VM είναι μια ωραία ιδέα
Vincent - REGNOLOGY ROMANIA S.R.L.
Κομμάτι - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Μηχανική Μετάφραση
