Machine Learning (ML) & Big Data
Résumé du cours
- Cours de base
Acquérir l’expertise fondamentale en apprentissage automatique dont vous avez besoin pour mettre en œuvre immédiatement de nouvelles stratégies pour générer de la valeur dans votre organisation. Ce cours de base couvre les concepts essentiels et des méthodes d’apprentissage automatique, fournissant les éléments de base nécessaires pour résoudre des tâches réelles. Vous acquerrez également une meilleure compréhension des forces et des faiblesses des algorithmes d’apprentissage, et évaluer quels types de méthodes sont susceptibles d’être utiles pour une classe donnée de problèmes. L’apprentissage automatique est un domaine en pleine expansion avec une collection diversifiée d’outils et d’approches. L’application réussie de ces méthodes à des tâches réelles peut sembler nécessiter une expertise que beaucoup n’ont pas posséder. Cependant, toutes ces méthodes partagent les mêmes concepts de base, utilisent les mêmes blocs de construction. Comprendre ces bases, ces formulations et le moment où elles sont appropriées est essentiel pour utiliser la machine apprendre les techniques avec succès dans la pratique. Ce cours de base couvre les concepts essentiels et des méthodes d’apprentissage automatique, offrant aux participants une expertise de base dont ils ont besoin pour commencer et aller de l’avant rapidement.
- Cours avancé
Examinez comment les derniers outils, techniques et algorithmes d’analyse moderne et prédictive peuvent
être appliqué pour produire des résultats puissants, même en utilisant des données non structurées. Dans ce très interactif
bien sûr, vous aurez un aperçu des types de problèmes que ces méthodes peuvent et ne peuvent pas résoudre, comment
ils peuvent être appliqués efficacement, et quels problèmes sont susceptibles de se poser dans les applications pratiques,
notamment dans le domaine de la santé.
Les méthodes d’apprentissage automatique sont à l’origine d’une grande partie de l’analyse de données moderne dans les domaines de l’ingénierie, de la science et applications commerciales. Par exemple, les moteurs de recherche, les systèmes de recommandation, les annonceurs et les institutions financières utilisent des algorithmes d’apprentissage automatique pour la recommandation de contenu, la prédiction le comportement, la conformité ou le risque du client.
Ce cours examine comment les derniers outils, techniques et algorithmes de conduite modernes et prédictifs l’analyse peut être appliquée dans différents domaines, même en utilisant des données non structurées. Vous obtiendrez des informations sur les outils sous-jacents, quels types de problèmes ils peuvent/ne peuvent pas résoudre, comment ils peuvent être appliqués efficacement, et quels problèmes sont susceptibles de survenir dans les applications pratiques, en particulier dans le domaine de la santé champ.
Concepts clés
Cours de base
- Comprendre les concepts et méthodes de base de l’apprentissage automatique, y compris
réseaux - Apprenez à formuler/configurer des problèmes en tant que tâches d’apprentissage automatique
- Évaluer quels types de méthodes sont susceptibles d’être utiles pour une classe donnée de problèmes
- Comprendre les forces et les faiblesses des algorithmes d’apprentissage
Cours avancé
- Comprendre les vastes opportunités d’automatisation avec l’apprentissage automatique
- Décrire les principaux aspects des problèmes pratiques qui sont susceptibles d’avoir un impact sur la performance
- Explorer les outils, les formulations et les problèmes modernes de traitement du langage naturel
- Être capable de discuter des problèmes de mise à l’échelle (quantité de données, dimensionnalité, stockage et
calcul) - Voir à travers le processus d’application des méthodes d’apprentissage automatique dans la pratique,
prévoir les obstacles probables et les remèdes possibles - Saisir ce que l’analyse prédictive ne fournit souvent pas
- Comprendre les tendances actuelles de l’apprentissage automatique et les opportunités qu’elles apportent