Course Code: mldt
Duration: 21 hours
Prerequisites:
  • 統計概念的基本知識是可取的

受眾

  • 數據科學家
  • 機器學習工程師
  • 對 AI 感興趣的軟件開發人員
  • 從事數據建模的研究人員
  • 尋求在商業或行業中應用機器學習的專業人員
Overview:

Machine Learning和Deep Learning是Artificial Intelligence (AI)的關鍵領域，能夠讓系統從數據中學習模式並做出智能決策。

這門由講師主導的現場培訓（在線或現場）旨在幫助希望提高對機器學習算法、深度學習技術和人工智能驅動的決策理解的初學者到中級專業人士。該課程提供了機器學習概念、深度學習模型和使用R進行實際實施的實踐經驗。

在這次培訓結束時，參與者將能夠：

  • 了解機器學習和深度學習的基本原理。
  • 應用於回歸、分類、聚類和異常檢測的各種機器學習算法。
  • 使用人工神經網絡（ANN）等深度學習架構。
  • 實施監督和非監督學習模型。
  • 評估模型性能並優化超參數。
  • 使用R進行數據分析、可視化和機器學習應用程序。

課程格式

  • 互動講座和討論。
  • 大量的練習和實踐。
  • 在現場實驗室環境中進行實驗室實驗。

課程定制選項

  • 要請求此課程的定制培訓，請聯繫我們安排。
Course Outline:

Machine Learning

介紹Machine Learning

  • 機器學習的應用
  • 監督學習和非監督學習
  • 機器學習算法
    • 回歸
    • 分類
    • clustering
    • 推薦系統
    • 異常檢測
    • Reinforcement Learning

回歸

  • 簡單回歸和多重回歸
    • 最小平方法
    • 估計係數
    • 評估係數估計的準確性
    • 評估模型的準確性
    • 後估計分析
    • 回歸模型中的其他考慮因素
    • 定性變量
    • 線性模型的擴展
    • 潛在問題
    • 回歸模型的偏差方差權衡 (under-fitting/over-fitting)

重取樣方法

  • 交叉驗證
  • 驗證集方法
  • 留一交叉驗證
  • k 折交叉驗證
  • k 折的偏差-方差權衡
  • The Bootstrap

模型選擇和正則化

  • 子集選擇
    • 最佳子集選擇
    • 逐步選擇
    • 選擇最佳模型
  • 收縮方法/正則化
    • 脊回歸
    • 套索和彈性網
  • 選擇調優參數
  • 降維方法
    • 主成分回歸
    • 偏最小平方

分類

邏輯回歸

  • 邏輯模型成本函數
  • 估計係數
  • 做出預測
  • 賠率比
  • 性能評估矩陣
    • 敏感性/特異性/PPV/NPV
    • 精度
    • ROC 曲線
  • 多元邏輯迴歸
  • 針對 >2 響應類別的邏輯回歸
  • 正則化邏輯回歸

線性判別分析

  • 使用貝葉斯定理進行分類
  • p=1 的線性判別分析
  • p>1 的線性判別分析

二次判別分析

K 最近鄰

  • 具有非線性決策邊界的分類

支持向量機

  • 優化目標
  • 最大邊際分類器
  • 內核
  • 一對一分類
  • 一對全分類

分類方法的比較

Deep Learning

Deep Learning簡介

人工Neural Networks(ANN)

  • Bio邏輯神經元和人工神經元
  • 非線性假設
  • 模型表示
  • 範例和直覺
  • 轉移函數/激活函數
  • 網絡架構的典型類別
    • 前饋ANN
    • 多層前饋網絡
  • 反向傳播算法
  • 反向傳播 - 訓練和收斂
  • 用反向傳播進行的功能逼近
  • 反向傳播學習的實際問題和設計問題

Deep Learning

  • 人工智能和Deep Learning
  • Softmax 回歸
  • 自學習
  • 深網絡
  • 演示和應用

實驗室：

R 語言入門

  • R 語言介紹
  • 基本命令和庫
  • 數據操作
  • 導入和導出數據
  • 圖形和數值總結
  • 編寫函數

回歸

  • 簡單和多元線性回歸
  • 交互作用項
  • 非線性變換
  • 虛擬變量回歸
  • 交叉驗證和Bootstrap
  • 子集選擇方法
  • 懲罰(Ridge、Lasso、Elastic Net)

分類

  • 邏輯回歸、LDA、QDA 和 KNN
  • 重取樣和正則化
  • 支持向量機

注意：

  • 對於 ML 算法，將使用案例研究來討論它們的應用、優勢和潛在問題。
  • 將使用 R 對不同數據集進行分析。
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