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.
Programa do Curso
Aprendizagem supervisionada: classificação e regressão
- Aprendizado de máquina em Python: introdução à API scikit-learn suporte à regressão linear e logística vetor máquina redes neurais floresta aleatória
TensorFlow, Theano, Caffe e Keras AI em escala com Apache Spark: Mlib
- Arquiteturas de redes neurais avançadas
redes neurais convolucionais para análise de imagens redes neurais recorrentes para dados estruturados no tempo a célula de memória de longo curto prazo
- Aprendizagem não supervisionada: clustering, detecção de anomalias
implementando análise de componentes principais com scikit-learn implementando autoencoders em Keras
- Exemplos práticos de problemas que a IA pode resolver (exercícios práticos usando notebooks Jupyter), por exemplo
análise de imagens, previsão de séries financeiras complexas, como preços de ações, sistemas de recomendação de processamento de linguagem natural de reconhecimento de padrões complexos
- Compreender as limitações dos métodos de IA: modos de falha, custos e dificuldades comuns
vieses de compensação de viés / variância de sobreajuste no envenenamento de redes neurais de dados observacionais
- Trabalho de projeto aplicado (opcional)
Requisitos
Não são necessários requisitos específicos para frequentar este curso.
28 horas
Declaração de Clientes (2)
That it was applying real company data. Trainer had a very good approach by making trainees participate and compete
Jimena Esquivel - Zakład Usługowy Hakoman Andrzej Cybulski
Curso - Applied AI from Scratch in Python
The trainer was a professional in the subject field and related theory with application excellently