Applied AI from Scratch in Python

参加本课程不需要任何特定要求。

这是一个为期 4 天的课程，介绍了 AI 及其使用 Python 编程语言的应用程序。完成本课程后，可以选择额外有一天的时间来开展 AI 项目。 

监督学习：分类和回归

• Python 中的 Machine Learning：scikit-learn API 简介
  • 线性回归和逻辑回归
  • 支持向量机
  • 神经网络
  • 随机森林
• 使用 scikit-learn 设置端到端监督学习管道
  • 使用数据文件
  • 缺失值的插补
  • 处理分类变量
  • 可视化数据

Python 人工智能应用框架：

• TensorFlow、Theano、Caffe和Keras
• 使用 Apache Spark 的大规模 AI：Mlib

高级神经网络架构

• 用于图像分析的卷积神经网络
• 用于时间结构数据的递归神经网络
• 长短期记忆细胞

无监督学习：聚类、异常检测

• 使用 scikit-learn 实现主成分分析
• 在 Keras 中实现自动编码器

AI 可以解决的问题的实际示例（使用 Jupyter 笔记本的动手练习），例如 

• 图像分析
• 预测复杂的财务序列，例如股票价格，
• 复杂模式识别
• 自然语言处理
• 推荐系统

了解 AI 方法的局限性：失败模式、成本和常见困难

• 过拟合
• 偏差/方差权衡
• 观察数据中的偏倚
• 神经网络中毒

应用项目工作（可选）