Gépi tanulási képzés
- e-learning
- statisztika
Időtartam
50h
Rate
1330 €Ht/fő
Legyen szakértője az ipari problémamegoldásnak
A Machine Learning tanfolyam lehetővé teszi, hogy elsajátítsa az adatelemzés és a gépi tanulás eszközeinek ipari környezetben történő használatát. Megtanulja elhelyezni a gépi tanulást a mesterséges intelligencia és a Big Data kontextusában, és megérti a különböző algoritmusokat (regresszió, dimenziócsökkentés, felügyelt és felügyelet nélküli osztályozás).
A Machine Learning tanfolyam végén képes leszel az adatok megfelelő előkészítésére, leíró statisztikai módszerek alkalmazására, olyan dimenziócsökkentő eszközök használatára, mint a PCA és az UMAP, valamint modellező algoritmusok használatára, hogy az adatokból minden információt kinyerj és a megfelelő döntéseket meghozd.
Előnyeink
A gépi tanulási képzés élénk és interaktív. Az Ellistat adatelemző szoftverén számos gyakorlat teszi lehetővé, hogy az elméletet a gyakorlatba ültesse. A csapataink által biztosított források és segítség megkönnyítik az összetett fogalmak elsajátítását.
100%
A gyakornokok elégedettek az ellistat képzéssel
21
elérhető tanfolyamok
e-Learning vagy személyes tanulás
e-Learning vagy személyes tanulás
99%
a gyakornokok ajánlják tanfolyamainkat
*2021 szeptemberétől 2024 szeptemberéig
Az Ön visszajelzései
Célok
- Az adatelemzés és a gépi tanulás eszközeinek ipari környezetben történő alapelveinek és használatának ismerete.
- A képzés az Ellistat adatelemző modulban rendelkezésre álló eszközökön alapul.
Kinek
A Machine Learning e-learning tanfolyamot olyan vezetők és mérnökök számára tervezték, akiknek termelési adatokat kell elemezniük, hogy új ismeretekre vagy a viselkedés előrejelző modelljére jussanak.
Előfeltételek
- Az internet és a webböngésző alapvető használata
- II. szintű képesítés és/vagy 5 éves szakmai tapasztalat
- A minőség- és folyamatirányítás alapvető ismeretei
- A tanfolyam elvégzéséhez nem kell Six Sigma Green Belt vagy Six Sigma Black Belt minősítéssel rendelkeznie.
Időtartam
50 óra lecke és gyakorlat. Az e-Learning tanfolyamhoz való hozzáférés 3 hónapon keresztül, a nap 24 órájában elérhető a Gépi tanulás tanfolyamhoz.
Oktatási és technikai erőforrások
- 100% E-Learning képzés egy külön erre a célra létrehozott platformon
- A javasolt oktatási módszerek médiaalapúak (hang, szöveg, gyakorlatok), szórakoztatóak és multimodálisak, minden leckében tesztekkel.
- Elméleti előadások
- Esettanulmányok
- PDF és Excel támogató dokumentumok online elérhetőek
Oktatói csapat
Több mint 30 éves, oktatói és gyakorlati tapasztalatokban gazdag tapasztalattal rendelkező, ipari minőségű képzést nyújtó szervezetünk számos képzési és tanácsadói szolgáltatást kínál Önnek teljesítményének és know-how-jának fejlesztéséhez és javításához. Minden tanácsadónk Lean Six Sigma Master Black Belttel rendelkezik, és legalább 10 éves tapasztalattal rendelkezik a Lean és Six Sigma eszközök ipari környezetben történő alkalmazásában.
Hozzáférhetőség
A Machine Learning tanfolyam akadálymentes a fogyatékkal élők számára. Kérjük, lépjen kapcsolatba velünk a speciális intézkedésekkel kapcsolatos részletekért. Minden tőlünk telhetőt megteszünk, hogy alkalmazkodjunk Önhöz.
Értékelési eljárások
- Jelenléti ívek.
- Szóbeli vagy írásbeli kérdések (MCQ).
- Esettanulmányok.
- Gyakorlati munka
Program
A gépi tanulás és az adatelemzés hatókörének megértése
- A gépi tanulás célkitűzéseinek megértése
- A gépi tanulás elhelyezése a Big Data, a mesterséges intelligencia...
- Ismerje a különböző eszközök feltérképezését: regresszió, dimenziócsökkentés, klaszterezés, felügyelt (S) és nem felügyelt (NS) osztályozás.
- Annak megértése, hogy mit lehet és mit nem lehet tenni a gépi tanulással
Az adatok előkészítése a megfelelő elemzéshez
- Adatgyűjtési terv készítése
- Hogyan kell mintavételi tervet készíteni
- Tudja, hogyan kell alkalmazni a leíró statisztika elveit az adatokra (eloszlás típusa, átlagstatisztika, medián standard eltérés, kurtózis, ferdeség stb. kiszámítása).
- A kiugró értékek jelenlétének értékelése
Az elv ismerete: dimenziócsökkentő eszközök (NS)
- A dimenziócsökkentés elvének ismerete
- Az ACP, UMAP és TSNE eszközök megértése és használata
- Főkomponens-elemzés
- Megfelelési faktorelemzés
- Többszörös megfelelés-elemzés
- A T2 kártya megértése és használata
Nem felügyelt osztályozás
- Az alapelv ismerete: felügyelet nélküli osztályozási (NS) eszközök
- Hierarchikus osztályozás: Dendrogram, változók, egyének
- Ismerje a K-középérték, a DBSCAN és a Mean Shift algoritmusok alapelveit.
Felügyelt tanulás, folyamatos Y
- Ismerje az elvet és tudja használni az eszközöket: lineáris regresszió, többszörös lineáris regresszió.
- Megérti a neurális hálózatok elvét és tudja, hogyan kell alkalmazni őket egyszerű esetekben
Felügyelt tanulás, diszkrét Y
- Logisztikus regresszió
- Ordinális logisztikus regresszió
- Felügyelt osztályozás SVM
- KNN és döntési fa
Az osztályozó metrikája
- ROC-görbe és zavarossági ellenőrzés
- Egyszerű osztályozó metrikák
- Kombinált metrika
- Bizonossági intervallumok a mérőszámokhoz
A gépi tanulás eszközeinek gyakorlatba ültetése
- Az Ellistat adatelemző modul használatának elsajátítása a program összes pontjának végrehajtásához.
Egy tanulási módszer
- E-LearningÖnálló tanulás1330€
- 50 óra e-learning tanfolyam
- Online támogatás
