Schulungsübersicht
Einführung
Wahrscheinlichkeitstheorie, Modellauswahl, Entscheidungs- und Informationstheorie
Wahrscheinlichkeitsverteilungen
Lineare Modelle für Regression und Klassifizierung
Neural Networks
Kernel-Methoden
Sparse-Kernel-Maschinen
Grafische Modelle
Mischungsmodelle und EM
Ungefähre Schlussfolgerung
Probenahmemethoden
Kontinuierliche latente Variablen
Sequentielle Daten
Kombinieren von Modellen
Zusammenfassung und Schlussfolgerung
Voraussetzungen
- Verständnis der Statistik.
- Vertrautheit mit multivariater Kalkulation und grundlegender linearer Algebra.
- Eine gewisse Erfahrung mit Wahrscheinlichkeiten.
Publikum
- Datenanalysten
- PhD-Studenten, Forscher und Praktiker
Erfahrungsberichte (3)
It felt like we were going through directly relevant information at a good pace (i.e. no filler material)
Maggie Webb - Department of Jobs, Regions, and Precincts
Kurs - Introduction to the use of neural networks
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Kurs - Artificial Neural Networks, Machine Learning, Deep Thinking
Very flexible