Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Kerangka Materi
Pengenalan Pembelajaran Mesin Terapan
- Statistical learning vs. Machine learning
- Iterasi dan evaluasi
- Bias-Variance trade-off
- Pembelajaran Terawas vs Pembelajaran Tanpa Pengawas
- Masalah yang diselesaikan dengan Machine Learning
- Train Validation Test – Alur kerja ML untuk mengurangi overfitting
- Alur kerja Pembelajaran Mesin
- Algoritma Pembelajaran Mesin
- Memilih algoritma yang tepat untuk masalah
Penilaian Algoritma
- Penilaian prediksi numerik
- Ukuran akurasi: ME, MSE, RMSE, MAPE
- Stabilitas parameter dan prediksi
- Penilaian algoritma klasifikasi
- Akurasi dan masalahnya
- Matriks kebingungan
- Masalah kelas tidak seimbang
- Mengvisualisasikan kinerja model
- Kurve keuntungan
- Kurve ROC
- Kurve lift
- Pemilihan model
- Penyetelan model – strategi pencarian grid
Persiapan Data untuk Modelling
- Impor dan penyimpanan data
- Memahami data – eksplorasi dasar
- Manipulasi data dengan library pandas
- Transformasi data – Pembersihan data
- Analisis eksploratif
- Pengamatan hilang – deteksi dan solusi
- Outliers – deteksi dan strategi
- Standarisasi, normalisasi, binarisasi
- Perekodean data kualitatif
Algoritma Pembelajaran Mesin untuk Deteksi Outlier
- Algoritma Terawas
- KNN
- Ensemble Gradient Boosting
- SVM
- Algoritma Tanpa Pengawas
- Jarak berdasarkan
- Metode berbasis ketebalan
- Metode probabilistik
- Metode berbasis model
Memahami Deep Learning
- Iktisad tentang konsep dasar Deep Learning
- Membedakan antara Machine Learning dan Deep Learning
- Iktisad tentang aplikasi Deep Learning
Iktisad tentang Jaringan Sarang Laba-laba
- Apa itu Jaringan Sarang Laba-laba
- Jaringan Sarang Laba-laba vs Model Regresi
- Memahami fondasi matematis dan mekanisme belajar
- Membangun Jaringan Sarang Laba-laba Buatan
- Memahami nodus dan koneksi Jaringan Sarang Laba-laba
- Bekerja dengan neuron, lapisan, dan data input dan output
- Memahami Perceptron lapisan tunggal
- Perbedaan antara Pembelajaran Terawas dan Tanpa Pengawas
- Belajar Jaringan Sarang Laba-laba Maju dan Mundur
- Memahami propagasi maju dan mundur
Membangun Model Deep Learning Sederhana dengan Keras
- Membuat Model Keras
- Memahami Data Anda
- Menentukan Model Deep Learning Anda
- Mengompilasi Model Anda
- Memasangkan Model Anda
- Bekerja dengan Data Klasifikasi Anda
- Bekerja dengan Model Klasifikasi
- Menggunakan Model Anda
Bekerja dengan TensorFlow untuk Deep Learning
- Menyiapkan Data
- Mengunduh Data
- Menyiapkan Data Pelatihan
- Menyiapkan Data Uji
- Menskala Input
- Menggunakan Placeholder dan Variabel
- Menentukan Arsitektur Jaringan
- Menggunakan Fungsi Biaya
- Menggunakan Optimizer
- Menggunakan Inisialisasi
- Memasangkan Jaringan Sarang Laba-laba
- Membangun Graf
- Inferensi
- Kehilangan
- Pelatihan
- Melatih Model
- Graf
- Sesi
- Loop pelatihan
- Menevaluasi Model
- Membangun Graf Eval
- Menevaluasi dengan Output Eval
- Melatih Model dalam Skala Besar
- Mengvisualisasikan dan Menevaluasi Model dengan TensorBoard
Aplikasi Deep Learning dalam Deteksi Anomali
- Autoencoder
- Arsitektur Encode - Decode
- Kehilangan rekonstruksi
- Variational Autencoder
- Inferensi variasi
- Generative Adversarial Network
- Arsitektur Generator – Diskriminator
- Pengendalian AN menggunakan GAN
Frameworks Ensembel
- Menggabungkan hasil dari berbagai metode
- Bootstrap Aggregating
- Menyederhanakan skor outlier
Persyaratan
- Pengalaman dengan pemrograman Python
- Kenampakan dasar dengan statistik dan konsep matematika
Peserta
- Pengembang
- Ilmuwan data
28 Jam
Testimoni (5)
Pelatihan tersebut memberikan gambaran menarik tentang model pembelajaran mendalam dan metode terkait. Topiknya cukup baru bagi saya, tapi sekarang saya merasa sudah punya gambaran tentang apa saja yang termasuk dalam AI dan ML, apa saja isi istilah-istilah tersebut, dan bagaimana istilah-istilah tersebut dapat digunakan secara menguntungkan. Secara umum, saya menyukai pendekatan yang memulai dengan latar belakang statistik dan model pembelajaran dasar, seperti regresi linier, terutama menekankan latihan di antaranya.
Konstantin - REGNOLOGY ROMANIA S.R.L.
Kursus - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Diterjemahkan Mesin
Anna selalu bertanya jika ada pertanyaan, dan selalu berusaha membuat kami lebih aktif dengan mengajukan pertanyaan, sehingga membuat kami semua benar-benar terlibat dalam pelatihan.
Enes Gicevic - REGNOLOGY ROMANIA S.R.L.
Kursus - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Diterjemahkan Mesin
Saya menyukai cara memadukannya dengan praktik.
Bertan - REGNOLOGY ROMANIA S.R.L.
Kursus - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Diterjemahkan Mesin
Pengalaman/pengetahuan pelatih yang luas
Ovidiu - REGNOLOGY ROMANIA S.R.L.
Kursus - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Diterjemahkan Mesin
VM adalah ide yang bagus
Vincent - REGNOLOGY ROMANIA S.R.L.
Kursus - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Diterjemahkan Mesin
