Ismertető
A gyakorlatorientált tanfolyam célja, hogy bevezesse a résztvevőket a gépi tanulás világába a matematikai alapoktól kezdve, az egyszerű regressziókon át, a perceptron modellig.
Szükséges előképzettség
A tanfolyamhoz a haladó Python programozás (PR-PYA) vagy vele egyenértékű tematikával rendelkező képzés elvégzése (legfeljebb 1 éven belül)vagy ezek ismeretanyaga szükséges. Továbbá 1 év napi szintű Python programozási tapasztalattal kell rendelkezni.
A képzés elvégzéséhez dokumentumolvasás-szintű angol nyelvtudás szükséges.
Tematika
- 1-D lineáris regresszió matematikai áttekintése
- Lineáris regresszió lekódolása Pythonban
- Többdimenziós lineáris és polinomiális regresszió matematikája
- Példák kódolása Pythonban
- Az osztályozás problémájának bemutatása
- Lináris osztályozók
- Biológiai motiváció
- Logisztikus regresszió
- Előrecsatolt mechanizmus és valószínűségi értelmezés
- Keresztentrópia hibafüggvény
- Maximum-likelihood
- Gradiens leereszkedés
- Praktikus problémák bemutatása: regularizáció, fánk és XOR probléma
- Backpropagation, avagy hogyan tanul egy gépi modell
- A neuronoktól a neurális hálókig
- Softmax
- Egy teljes mély neurális hálózat (deep neural network) építése Pythonban
- Trenírozás
- Predikciók kinyerése
- Praktikus problémák újra látogatása: fánk és XOR probléma
- Hiperparaméterek és kereszt ellenőrzés