Vytváření modelů strojového učení

  • Plán výuky
  • 5 Moduly

Ve zkratce

Strojové učení je základem pro prediktivní modelování a umělou inteligenci. Seznamte se s některými základními principy strojového učení a se způsoby využití běžných nástrojů a rozhraní k trénování, vyhodnocování a používání modelů strojového učení.

Požadavky

Tento studijní program předpokládá znalosti základních matematických pojmů. Zkušenosti s jazykem Python mohou být také užitečné.

Moduly v tomto studijním programu

Zkoumání a analýza dat pomocí Pythonu

Zkoumání a analýza dat je základem datových věd. Datoví vědci vyžadují dovednosti v programovacích jazycích, jako je Python, k prozkoumání, vizualizaci a manipulaci s daty.

Trénování a vyhodnocování regresních modelů

Regrese je běžně používaný druh strojového učení pro predikci číselných hodnot.

Trénování a vyhodnocování klasifikačních modelů

Klasifikace je druh strojového učení, který slouží ke kategorizaci položek do tříd.

Trénování a vyhodnocování modelů clusteringu

Clustering je typ strojového učení, který slouží k seskupení podobných položek do clusterů.

Trénování a vyhodnocování modelů hlubokého učení

Hluboké učení je pokročilá forma strojového učení, která emuluje způsob, jakým se lidský mozek učí prostřednictvím sítí propojených neuronů.

Spustit