Course Code: mldt
Duration: 21 hours
Prerequisites:
  • 统计概念的基本知识是可取的

受众

  • 数据科学家
  • 机器学习工程师
  • 对 AI 感兴趣的软件开发人员
  • 从事数据建模的研究人员
  • 寻求在商业或行业中应用机器学习的专业人员
Overview:

Machine Learning和Deep Learning是Artificial Intelligence (AI)的关键领域，能够让系统从数据中学习模式并做出智能决策。

这门由讲师主导的现场培训（在线或现场）旨在帮助希望提高对机器学习算法、深度学习技术和人工智能驱动的决策理解的初学者到中级专业人士。该课程提供了机器学习概念、深度学习模型和使用R进行实际实施的实践经验。

在这次培训结束时，参与者将能够：

  • 了解机器学习和深度学习的基本原理。
  • 应用于回归、分类、聚类和异常检测的各种机器学习算法。
  • 使用人工神经网络（ANN）等深度学习架构。
  • 实施监督和非监督学习模型。
  • 评估模型性能并优化超参数。
  • 使用R进行数据分析、可视化和机器学习应用程序。

课程格式

  • 互动讲座和讨论。
  • 大量的练习和实践。
  • 在现场实验室环境中进行实验室实验。

课程定制选项

  • 要请求此课程的定制培训，请联系我们安排。
Course Outline:

Machine Learning

介绍Machine Learning

  • 机器学习的应用
  • 监督学习和非监督学习
  • 机器学习算法
    • 回归
    • 分类
    • clustering
    • 推荐系统
    • 异常检测
    • Reinforcement Learning

回归

  • 简单回归和多重回归
    • 最小平方法
    • 估计系数
    • 评估系数估计的准确性
    • 评估模型的准确性
    • 后估计分析
    • 回归模型中的其他考虑因素
    • 定性变量
    • 线性模型的扩展
    • 潜在问题
    • 回归模型的偏差方差权衡 (under-fitting/over-fitting)

重取样方法

  • 交叉验证
  • 验证集方法
  • 留一交叉验证
  • k 折交叉验证
  • k 折的偏差-方差权衡
  • The Bootstrap

模型选择和正则化

  • 子集选择
    • 最佳子集选择
    • 逐步选择
    • 选择最佳模型
  • 收缩方法/正则化
    • 脊回归
    • 套索和弹性网
  • 选择调优参数
  • 降维方法
    • 主成分回归
    • 偏最小平方

分类

逻辑回归

  • 逻辑模型成本函数
  • 估计系数
  • 做出预测
  • 赔率比
  • 性能评估矩阵
    • 敏感性/特异性/PPV/NPV
    • 精度
    • ROC 曲线
  • 多元逻辑回归
  • 针对 >2 响应类别的逻辑回归
  • 正则化逻辑回归

线性判别分析

  • 使用贝叶斯定理进行分类
  • p=1 的线性判别分析
  • p>1 的线性判别分析

二次判别分析

K 最近邻

  • 具有非线性决策边界的分类

支持向量机

  • 优化目标
  • 最大边际分类器
  • 内核
  • 一对一分类
  • 一对全分类

分类方法的比较

Deep Learning

Deep Learning简介

人工Neural Networks(ANN)

  • Bio逻辑神经元和人工神经元
  • 非线性假设
  • 模型表示
  • 范例和直觉
  • 转移函数/激活函数
  • 网络架构的典型类别
    • 前馈ANN
    • 多层前馈网络
  • 反向传播算法
  • 反向传播 - 训练和收敛
  • 用反向传播进行的功能逼近
  • 反向传播学习的实际问题和设计问题

Deep Learning

  • 人工智能和Deep Learning
  • Softmax 回归
  • 自学习
  • 深网络
  • 演示和应用

实验室：

R 语言入门

  • R 语言介绍
  • 基本命令和库
  • 数据操作
  • 导入和导出数据
  • 图形和数值总结
  • 编写函数

回归

  • 简单和多元线性回归
  • 交互作用项
  • 非线性变换
  • 虚拟变量回归
  • 交叉验证和Bootstrap
  • 子集选择方法
  • 惩罚(Ridge、Lasso、Elastic Net)

分类

  • 逻辑回归、LDA、QDA 和 KNN
  • 重取样和正则化
  • 支持向量机

注意：

  • 对于 ML 算法，将使用案例研究来讨论它们的应用、优势和潜在问题。
  • 将使用 R 对不同数据集进行分析。
Sites Published:

United Arab Emirates - Machine Learning and Deep Learning

Qatar - Machine Learning and Deep Learning

Egypt - Machine Learning and Deep Learning

Saudi Arabia - Machine Learning and Deep Learning

South Africa - Machine Learning and Deep Learning

Brasil - Machine Learning and Deep Learning

Canada - Machine Learning and Deep Learning

中国 - Machine Learning and Deep Learning

香港 - Machine Learning and Deep Learning

澳門 - Machine Learning and Deep Learning

台灣 - Machine Learning and Deep Learning

USA - Machine Learning and Deep Learning

Österreich - Machine Learning and Deep Learning

Schweiz - Machine Learning and Deep Learning

Deutschland - Machine Learning and Deep Learning

Czech Republic - Machine Learning and Deep Learning

Denmark - Machine Learning and Deep Learning

Estonia - Machine Learning and Deep Learning

Finland - Machine Learning and Deep Learning

Greece - Machine Learning and Deep Learning

Magyarország - Machine Learning and Deep Learning

Ireland - Machine Learning and Deep Learning

Luxembourg - Machine Learning and Deep Learning

Latvia - Machine Learning and Deep Learning

España - Aprendizaje Automático y Aprendizaje Profundo

Italia - Machine Learning and Deep Learning

Lithuania - Machine Learning and Deep Learning

Nederland - Machine Learning and Deep Learning

Norway - Machine Learning and Deep Learning

Portugal - Machine Learning and Deep Learning

România - Machine Learning and Deep Learning

Sverige - Machine Learning and Deep Learning

Türkiye - Machine Learning and Deep Learning

Malta - Machine Learning and Deep Learning

Belgique - Machine Learning et Deep Learning

France - Machine Learning et Deep Learning

日本 - Machine Learning and Deep Learning

Australia - Machine Learning and Deep Learning

Malaysia - Machine Learning and Deep Learning

New Zealand - Machine Learning and Deep Learning

Philippines - Machine Learning and Deep Learning

Singapore - Machine Learning and Deep Learning

Thailand - Machine Learning and Deep Learning

Vietnam - Machine Learning and Deep Learning

India - Machine Learning and Deep Learning

Argentina - Aprendizaje Automático y Aprendizaje Profundo

Chile - Aprendizaje Automático y Aprendizaje Profundo

Costa Rica - Aprendizaje Automático y Aprendizaje Profundo

Ecuador - Aprendizaje Automático y Aprendizaje Profundo

Guatemala - Aprendizaje Automático y Aprendizaje Profundo

Colombia - Aprendizaje Automático y Aprendizaje Profundo

México - Aprendizaje Automático y Aprendizaje Profundo

Panama - Aprendizaje Automático y Aprendizaje Profundo

Peru - Aprendizaje Automático y Aprendizaje Profundo

Uruguay - Aprendizaje Automático y Aprendizaje Profundo

Venezuela - Aprendizaje Automático y Aprendizaje Profundo

Polska - Machine Learning and Deep Learning

United Kingdom - Machine Learning and Deep Learning

South Korea - Machine Learning and Deep Learning

Pakistan - Machine Learning and Deep Learning

Sri Lanka - Machine Learning and Deep Learning

Bulgaria - Machine Learning and Deep Learning

Bolivia - Aprendizaje Automático y Aprendizaje Profundo

Indonesia - Machine Learning and Deep Learning

Kazakhstan - Machine Learning and Deep Learning

Moldova - Machine Learning and Deep Learning

Morocco - Machine Learning and Deep Learning

Tunisia - Machine Learning and Deep Learning

Kuwait - Machine Learning and Deep Learning

Oman - Machine Learning and Deep Learning

Slovakia - Machine Learning and Deep Learning

Kenya - Machine Learning and Deep Learning

Nigeria - Machine Learning and Deep Learning

Botswana - Machine Learning and Deep Learning

Slovenia - Machine Learning and Deep Learning

Croatia - Machine Learning and Deep Learning

Serbia - Machine Learning and Deep Learning

Bhutan - Machine Learning and Deep Learning

Nepal - Machine Learning and Deep Learning

Uzbekistan - Machine Learning and Deep Learning