Programa del Curso

Introducción

Descripción de la estructura de los datos no labrados

  • Sin supervisión Machine Learning

Reconocimiento, agrupación y generación de imágenes, secuencias de vídeo y datos de captura de movimiento

  • Redes de Creencias Profundas (DBN)

Reconstrucción de los datos de entrada originales a partir de una versión dañada (ruidosa)

  • Selección y extracción de características
  • Codificadores automáticos de eliminación de ruido apilados

Análisis de imágenes visuales

  • Convolucional Neural Networks

Obtener una mejor comprensión de la estructura de los datos

  • Aprendizaje semi-supervisado

Descripción de los datos de texto

  • Extracción de entidades de texto

Creación de modelos predictivos de alta precisión

  • Mejorando Machine Learning Resultados
  • Métodos de conjunto

Resumen y conclusión

Requerimientos

  • Python Experiencia en programación
  • Comprensión de los principios básicos del aprendizaje automático

Audiencia

  • Desarrolladores
  • Analistas
  • Científicos de datos
  21 horas
 

Número de participantes


Comienza

Termina


Dates are subject to availability and take place between 09:30 and 16:30.
Los cursos de formación abiertos requieren más de 5 participantes.

Testimonios (1)

Cursos Relacionados

Torch: Introducción a Máquina y Aprendizaje Profundo

  21 horas

Categorías Relacionadas