Plan Szkolenia

  1. Wstępne przetwarzanie danych

    1. Data Cleaning
    2. Integracja i transformacja danych
    3. Redukcja danych
    4. Dyskretyzacja i generowanie hierarchii pojęć
  2. Wnioskowanie statystyczne

    1. Rozkłady prawdopodobieństwa, zmienne losowe, centralne twierdzenie graniczne
    2. Pobieranie próbek
    3. Przedziały ufności
    4. Wnioskowanie statystyczne
    5. Testowanie hipotez
  3. Wielowymiarowa regresja liniowa

    1. Specyfikacja
    2. Wybór podzbioru
    3. Estymacja
    4. Walidacja
    5. Przewidywanie
  4. Metody klasyfikacji

    1. Regresja logistyczna
    2. Liniowa analiza dyskryminacyjna
    3. K-najbliżsi sąsiedzi
    4. Naiwny Bayes
    5. Porównanie metod klasyfikacji
  5. Neural Networks

    1. Dopasowywanie sieci neuronowych
    2. Zagadnienia związane z trenowaniem sieci neuronowych
  6. Drzewa decyzyjne

    1. Drzewa regresji
    2. Drzewa klasyfikacyjne
    3. Drzewa a modele liniowe
  7. Bagging, Random Forest s, Boosting

    1. Bagging
    2. Random Forests
    3. Boosting
  8. Maszyny wektorów nośnych i elastyczne rozwiązanie

    1. Klasyfikator z maksymalnym marginesem
    2. Klasyfikatory wektorów nośnych
    3. Maszyny wektorów nośnych
    4. 2 i więcej klas SVM
    5. Związek z regresją logistyczną
  9. Analiza składowych głównych

  10. Klasteryzacja

    1. Klasteryzacja K-średnich
    2. Klastrowanie K-średnich
    3. Klastrowanie hierarchiczne
    4. Klastrowanie oparte na gęstości
  11. Ocena i wybór modelu

    1. Odchylenie, wariancja i złożoność modelu
    2. Błąd predykcji w próbce
    3. Podejście bayesowskie
    4. Walidacja krzyżowa
    5. Metody Bootstrap
 28 godzin

Liczba uczestników


cena netto za uczestnika

Opinie uczestników (7)

Propozycje terminów

Powiązane Kategorie