Schița de curs

  1. Preprocesarea datelor

    1. Data Cleaning
    2. Integrarea și transformarea datelor
    3. Reducerea datelor
    4. Discretizarea și generarea ierarhiei de concepte
  2. Inferență statistică

    1. Distribuții de probabilitate, variabile aleatoare, teorema limită centrală
    2. Eșantionarea
    3. Intervale de încredere
    4. Inferență statistică
    5. Testarea ipotezelor
  3. Regresia liniară multivariată

    1. Specificații
    2. Selectarea subsetului
    3. Estimarea
    4. Validare
    5. Predicția
  4. Metode de clasificare

    1. Regresia logistică
    2. Analiza discriminantă liniară
    3. Vecinii K-nearest
    4. Naive Bayes
    5. Compararea metodelor de clasificare
  5. Neural Networks

    1. Ajustarea rețelelor neuronale
    2. Probleme legate de formarea rețelelor neuronale
  6. Arbori de decizie

    1. Arbori de regresie
    2. Arbori de clasificare
    3. Arbori versus modele liniare
  7. Bagging, Random Forests, Boosting

    1. Bagging
    2. Random Forests
    3. Boosting
  8. Mașini vectoriale de suport și disct flexibil

    1. Clasificator cu marjă maximă
    2. Clasificatoare cu vectori suport
    3. Mașini vectoriale suport
    4. SVM-uri cu 2 și mai multe clase
    5. Relația cu regresia logistică
  9. Analiza componentelor principale

  10. Clustering

    1. Gruparea K-means
    2. K-medoids clustering
    3. Clustering ierarhic
    4. Clustering bazat pe densitate
  11. Evaluarea și selectarea modelului

    1. Bias, varianță și complexitatea modelului
    2. Eroarea de predicție în eșantion
    3. Abordarea bayesiană
    4. Validarea încrucișată
    5. Bootstrap metode
 28 ore

Numărul de participanți


Pret per participant

Mărturii (5)

Upcoming Courses

Categorii înrudite