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
Apprentissage supervisé : classification et régression
- Machine Learning dans Python : introduction à l'API scikit-learn, prise en charge de la régression linéaire et logistique, réseaux de neurones de machines vectorielles, forêt aléatoire
TensorFlow, Theano, Caffe et Keras AI à grande échelle avec Apache Spark : Mlib
- Architectures avancées de réseaux neuronaux
réseaux de neurones convolutifs pour l'analyse d'images réseaux de neurones récurrents pour données structurées dans le temps cellule de mémoire à long terme
- Apprentissage non supervisé : clustering, détection d'anomalies
implémentant l'analyse des composantes principales avec scikit-learn implémentant des auto-encodeurs dans Keras
- Exemples pratiques de problèmes que l'IA peut résoudre (exercices pratiques utilisant des notebooks Jupyter), par exemple
analyse d'images prévoyant des séries financières complexes, telles que les cours des actions, reconnaissance de formes complexes, systèmes de recommandation de traitement du langage naturel
- Comprendre les limites des méthodes d'IA : modes de défaillance, coûts et difficultés courantes
biais de surajustement biais/variance dans les données d'observation empoisonnement du réseau neuronal
- Travail de projet appliqué (facultatif)
Pré requis
Aucune condition particulière n'est requise pour participer à ce cours.
28 heures
Nos Clients témoignent (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
Formation - Applied AI from Scratch in Python
The trainer was a professional in the subject field and related theory with application excellently