Course Outline

응용개론 Machine Learning

    통계 학습 대 머신 러닝 반복 및 평가 편향-분산 트레이드오프 지도 학습과 비지도 학습 문제 해결 Machine Learning Train Validation Test - 과적합을 방지하기 위한 ML 워크플로 Machine Learning 머신 러닝 알고리즘의 워크플로 문제에 적합한 알고리즘 선택

알고리즘 평가

    수치 예측 평가 정확도 측정: ME, MSE, RMSE, MAPE 매개변수 및 예측 안정성
분류 알고리즘 평가 정확도 및 문제점
  • 혼동 행렬
  • 불균형 클래스 문제
  • 모델 성능 이익 곡선 시각화
  • ROC 곡선
  • 리프트 곡선
  • 모델 선택
  • 모델 튜닝 - 그리드 검색 전략
  • 모델링을 위한 데이터 준비
  • 데이터 가져오기 및 저장 데이터 이해 – 기본 탐색 팬더 라이브러리를 사용한 데이터 조작 데이터 변환 – 데이터 랭글링 탐색적 분석 누락된 관찰 – 감지 및 솔루션 이상치 – 감지 및 전략 표준화, 정규화, 이진화 정성적 데이터 기록
  • 이상치 감지를 위한 기계 학습 알고리즘
  • 지도 알고리즘 KNN Ensemble Gradient Boosting SVM

      비지도 알고리즘 거리 기반

    밀도 기반 방법

      확률적 방법
    모델 기반 방법
  • 이해 Deep Learning
  • 딥러닝의 기본 개념 개요 Machine Learning과 딥러닝의 차이점 딥러닝 응용 개요
  • Neural Networks 개요
  • Neural Networks Neural Networks 대 회귀 모델이란 무엇입니까 수학적 기초 및 학습 메커니즘 이해 인공 신경망 구축 신경 노드 및 연결 이해 뉴런, 레이어 및 입력 및 출력 데이터 작업 단일 레이어 퍼셉트론 이해 지도 학습과 비지도 학습의 차이점 학습 피드포워드 and Feedback Neural Networks 순전파와 역전파의 이해
  • Keras를 사용하여 간단한 딥러닝 모델 구축

      Keras 모델 생성 데이터 이해 딥 러닝 모델 지정 모델 컴파일 모델 피팅 분류 데이터 작업 분류 모델 작업 모델을 사용하여

    딥 러닝을 위해 TensorFlow과 협력

      데이터 준비 데이터 다운로드 교육 데이터 준비 테스트 데이터 준비 자리 표시자 및 변수를 사용하여 입력 크기 조정

    네트워크 아키텍처 지정

      비용 함수 사용

    최적화 도구 사용

      초기화 프로그램 사용
    신경망 피팅
  • 그래프 추론 구축
  • 손실
  • 훈련
  • 모델 훈련 그래프
  • 세션
  • 기차 루프
  • 모델 평가 평가 그래프 작성
  • 평가 출력으로 평가
  • 대규모 모델 학습
  • TensorBoard를 사용한 모델 시각화 및 평가
  • 이상 탐지에 Deep Learning 적용
  • 오토인코더 인코더 - 디코더 아키텍처 재구성 손실
  • 변형 Autencoder 변형 추론
  • 생성적 적대 신경망 생성기 - 판별기 아키텍처
  • GAN을 사용한 AN 접근 방식
  • 앙상블 프레임워크
  • 다양한 방법의 결과 결합 Bootstrap 평균 이상치 점수 집계
  •  
  • Requirements

    • Python 프로그래밍 경험
    • 통계 및 수학적 개념에 대한 기본 지식

    청중

    • 개발자
    • 데이터 과학자
     28 Hours

    Number of participants



    Price per participant

    Related Courses

    Related Categories