Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Plan du cours
Introduction à la Neural Networks
Introduction à l'apprentissage appliqué Machine Learning
- Apprentissage statistique vs. apprentissage automatique
- Itération et évaluation
- Compromis biais-variance
Machine Learning avec Python
- Choix des bibliothèques
- Outils complémentaires
Concepts et applications de l'apprentissage automatique
Régression
- Régression linéaire
- Généralisations et non-linéarité
- Cas d'utilisation
Classification
- Remise à niveau bayésienne
- Bayes naïf
- Régression logistique
- K-Proches voisins
- Use Cases
Validation croisée et rééchantillonnage
- Approches de validation croisée
- Bootstrap
- Use Cases
Apprentissage non supervisé
- Regroupement par K-means
- Exemples d'apprentissage non supervisé
- Défis de l'apprentissage non supervisé et au-delà des K-moyennes
Brève introduction aux méthodes NLP
- symbolisation des mots et des phrases
- classification des textes
- analyse des sentiments
- correction orthographique
- extraction d'informations
- analyse syntaxique
- extraction de sens
- réponse aux questions
Intelligence artificielle & Deep Learning
Aperçu technique
- R v/s Python
- Caffe v/s Tensor Flow
- Diverses bibliothèques Machine Learning
Études de cas de l'industrie
Pré requis
- Devrait avoir une connaissance de base du fonctionnement des entreprises, ainsi que des connaissances techniques .
- Doit avoir une compréhension de base des logiciels et des systèmes
- Compréhension de base de Statistics (dans les niveaux Excel)
21 heures
Nos Clients témoignent (1)
The enthusiasm to the topic. The examples he made an he explained it very well. Sympatic. A little to detailed for beginners. For managers, it could be more abstract in fewer days. But it was designed to fit and we had a good alignment in advance.