University of St Andrews - Online

Kurs på mellomnivå: Maskinlæring fra ende til ende

Forbedre maskinlæringsekspertisen din ved å fordype deg i mer komplekse algoritmer og applikasjoner i den virkelige verden.

Dette korte kurset er rettet mot fagfolk som ønsker å forstå konseptene og teknologiene som ligger til grunn for moderne maskinlæring.

I dette kurset lærer du om moderne maskinlæringsmetoder gjennom fem emner:

• Klassifisering forklarer hvordan man best kan forutsi diskrete klasser, for eksempel godta eller avvise kredittsøknader.
• Treningsmodeller introduserer metodene som brukes for å løse kjerneoptimaliseringsproblemet: hvilken variant av en modellklasse har minst feil?
• Trees & Random Forests utforsker hvordan tremodeller kan utledes, utvides og distribueres for å produsere modeller med validerte estimater av ytelse på nye datainstanser.
• Dimensjonalitetsreduksjon dekker begrunnelsen for og metodene som kan brukes for å redusere antall funksjoner som brukes i prediktive maskinlæringsmodeller.
• Uovervåket læring vurderer hvordan man lærer og distribuerer modeller som det ikke finnes noen målvariabel for.

Avansert Python-kode leveres og forklares for hvert emne. De viktigste læringsmålene dine er å bestemme hvilke modeller som er anvendelige for ulike data og mål, og å utføre hyperparameterjustering eller modellvalg etter behov for modellen.