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.
Course Outline
Julia의 기계 학습 알고리즘
입문 개념
- 지도 및 비지도 학습 교차 검증 및 모델 선택 편향/분산 절충
선형 및 로지스틱 회귀
(나이브베이즈 & GLM)
- 입문 개념 선형 회귀 모델 피팅 모델 진단 Naive Bayes 로지스틱 회귀 모델 피팅 모델 진단 모델 선택 방법
거리
- 거리란 무엇입니까? 유클리드 도시 블록 코사인 상관 관계 Mahalanobis Hamming MAD RMS 평균 제곱 편차
차원성 감소
- 주성분 분석(PCA) 선형 PCA 커널 PCA 확률적 PCA 독립 CA
정규화의 기본 개념 능선 회귀 올가미 회귀 주성분 회귀(PCR)
- 클러스터링
K-평균 K-medoids DBSCAN 계층적 클러스터링 Markov 클러스터 알고리즘 퍼지 C-평균 클러스터링
- 표준 기계 학습 모델
(NearestNeighbors, DecisionTree, LightGBM, XGBoost, EvoTrees, LIBSVM 패키지)
그라디언트 부스팅 개념 KNN(K Nearest Neighbor) 의사결정 트리 모델 랜덤 포레스트 모델 XGboost EvoTrees 지원 벡터 머신(SVM)
- 인공 신경망
(플럭스 패키지)
확률적 경사하강법 및 전략 다층 퍼셉트론 순방향 피드 및 역전파 정규화 순환 신경망(RNN) 컨볼루션 신경망(Convnet) 자동 인코더 하이퍼파라미터
Requirements
이 과정은 이미 데이터 과학 및 통계에 대한 배경 지식이 있는 사람들을 대상으로 합니다.
21 Hours
