Introduction to Machine Learning

Nivå:

Nybörjare

Varaktighet:

3 dagar

Datum och varaktighet

Se tillgängliga datum för den här kursen!
Kontakta oss om det inte finns något datum och tid för en viss utbildning du är intresserad av.

Se datum  >>

 

Denna utbildning kan också hållas hos dig eller som online-utbildning särskilt för ditt företag. I det här fallet kan kursagendan också anpassas efter dina behov bäst.

Läs mer om vår anpassade utbildning >>

 

Kursen tar 3 dagar med 8 timmar vardera (på plats) eller 5 timmar vardera (online).
Den enda skillnaden är att det blir mindre praktiska övningar i en online-kurs. Vi överlämnar dem dock till dig och du kan fortfarande göra dem på egen hand och be våra konsulter om feedback eller hjälp om det behövs.

Kursbeskrivning

Kursen är avsedd för tekniska analytiker eller chefer på mellannivå som är villiga att göra sina första steg i maskininlärning.

Kursens dynamik omfattar både teoretisk innehållsförklaring och praktiska aktiviteter, med särskilt fokus på den sista delen (60-65% av kursen). Huvudmålet är att deltagarna möter ”riktiga” problem, upplever konsekventa utmaningar och lär sig att komma fram till en lösning – styrd av instruktören i alla steg i denna process.

Publik

Analytiker / tekniska chefer med minst ett års programmeringserfarenhet (helst också erfarenhet av Python)

Kursplan

Nedan hittar du ämnen som kan behandlas i denna kurs. Det faktiska valet av ämnen beror på kursdeltagarnas behov och intressen.

 

Machine Learning: Introduction and explanation of main concepts.

About Python/Jupyter

Overview of main Python libraries to be used

Exploratory Data Analysis: in theory

Exploratory Data Analysis: in practice

Supervised Learning: Introduction and explanation of main concepts.

  • Explanation of Training Process: Training/Validation/Testing, Cross-validation
  • Recap: Regression vs Classification
  • Cost/Loss functions
  • What is done in training? Minimization of Loss Function. Example Algorithms
  • Performance Evaluation
  • Steps for successful Model building

Regression

Classification

  • Classification Algorithms
  • Ensemble Algorithms
  • Performance Evaluation

Unsupervised Learning

  • Unsupervised Algorithms
  • Ensemble Algorithms
  • Performance Evaluation

From lab to production: challenges and common problems

The importance of distributed computing in Machine Learning

Introduction to neural networks

  • Definition
  • Main Concepts
  • Tensorflow Playground demo
  • Activation Functions
  • NN training process
  • Multi-class Problems and Softmax
  • Convolutional NN
  • Keras Demo and Explanation of Keras Library
  • Transfer Learning
  • Hyperparameter Tuning

Deep Learning: What is it and where can it be applied?

Machine Learning in my organization: How can I implement ML considering the current problems we face?

 

Kontakta oss för att anmäla dig till den här kursen >>