Penerangan Produk

Pembelajaran Mesin merupakan asas bagi kerjaya yang paling menarik dalam analisis data hari ini. Anda akan mempelajari model dan kaedah dan menerapkannya kepada situasi dunia sebenar dari mengenal pasti topik berita yang trend, untuk membina enjin cadangan, menilai pasukan sukan dan merancang jalan zombi filem. Perspektif utama meliputi: probabilistik versus pemodelan tidak probabilistik yang diawasi berbanding pembelajaran tanpa pengawasan. Topik termasuk: klasifikasi dan regresi, kaedah pengelompokan, model berurutan, pemfaktoran matriks, pemodelan topik dan pemilihan model. Kaedah termasuk: regresi linear dan logistik, mesin vektor sokongan, pengeluar pokok, meningkatkan, kemungkinan maksimum dan kesimpulan MAP, algoritma EM, model Markov tersembunyi, penapis Kalman, k-means, model campuran Gaussian, antara lain. Pada separuh pertama kursus ini kita akan meliputi teknik pembelajaran yang diawasi untuk regresi dan klasifikasi. Dalam rangka kerja ini, kami mempunyai output atau tindak balas yang kami ingin ramalkan berdasarkan satu set input. Kami akan membincangkan beberapa kaedah asas untuk melaksanakan tugas dan algoritma ini untuk pengoptimuman mereka. Pendekatan kami akan menjadi lebih bermotivasi, bermakna kita akan sepenuhnya membangunkan pemahaman matematik terhadap algoritma masing-masing, tetapi kita hanya akan menyentuh secara ringkas teori pembelajaran abstrak. Pada separuh kedua kursus kami beralih kepada teknik pembelajaran yang tidak terjejas. Dalam masalah ini matlamat akhir kurang jelas daripada meramalkan output berdasarkan input yang sama. Kami akan menampung tiga masalah asas pembelajaran tanpa pengawasan: clustering data, penskalaan matriks, dan model berurutan untuk data yang bergantung kepada pesanan. Sesetengah aplikasi model ini termasuk cadangan objek dan pemodelan topik.

Harga: PERCUMA untuk diaudit!

mesin Pembelajaran -