François Chung, Ph.D.

Tag: regressió logística

Aprenentatge profund i TensorFlow

Aprenentatge profund i TensorFlow

Formació Cognitive Class, MOOC (2020). Aquesta ruta d'aprenentatge presenta els conceptes bàsics d'aprenentatge profund i TensorFlow amb experiència pràctica en la resolució de problemes. Durant tota la formació, TensorFlow s'utilitza en l'ajust de corbes, la regressió, la classificació i la minimització de funcions d'error. Després, aquest concepte s'explora en el món de l'aprenentatge profund, on TensorFlow s'aplica per a la propagació cap enrere per ajustar els pesos i els biaixos.

Curs 1: Fonaments de l'aprenentatge profund

Temes principals:

  • Introducció a l'aprenentatge profund;
  • Models d'aprenentatge profund;
  • Models addicionals d'aprenentatge profund;
  • Biblioteques i plataformes d'aprenentatge profund.

Curs 2: Aprenentatge profund amb TensorFlow

Temes principals:

  • Introducció a TensorFlow;
  • CNN - Xarxa neuronal convolucional;
  • RNN - Xarxa neuronal recurrent;
  • Aprenentatge sense supervisió.

Referències

Formació

Deep learning fundamentals (Fonaments de l'aprenentatge profund, certificat del curs)
Deep Learning Essentials (insígnia de certificació)
Deep learning with TensorFlow (Aprenentatge profund amb TensorFlow, certificat del curs)
Deep Learning using TensorFlow (insígnia de certificació)

Articles relacionats

Més informació

Especialització en ciència de dades

Especialització en ciència de dades

Formació Coursera, MOOC (2020). Aquesta especialització cobreix els conceptes i eines necessaris per a la ciència de dades, des de formular les preguntes correctes fins a fer inferències i publicar resultats. Els temes coberts inclouen l'ús de R per netejar, analitzar i visualitzar dades, utilitzar GitHub per administrar projectes de ciència de dades i realitzar anàlisis de regressió, mínims quadrats i inferència utilitzant models de regressió.

Curs 1: Caixa d'eines del científic de dades

Temes principals:

  • Fonaments de la ciència de dades;
  • R i Rstudio;
  • Control de versions i GitHub;
  • R Markdown, pensament científic i big data.

Curs 2: Programació R

Temes principals:

  • Antecedents i posada en marxa;
  • Programació amb R;
  • Funcions de bucle i depuració;
  • Simulació i anàlisi de rendiment de programari.

Curs 3: Obtenció i neteja de dades

Temes principals:

  • Trobar dades i llegir diferents tipus d'arxius;
  • Sistemes d'emmagatzematge de dades;
  • Organitzar, fusionar i gestionar dades;
  • Manipulació de text i dades en R.

Curs 4: Anàlisi exploratòria de dades

Temes principals:

  • Gràfics analítics i representació gràfica en R;
  • Lattice i ggplot2;
  • Reducció de dimensionalitat de dades;
  • Tècniques d'anàlisi de conglomerats.

Curs 5: Investigació reproduïble

Temes principals:

  • Conceptes, idees i estructura;
  • Markdown i knitr;
  • Llista de comprovació de la investigació reproduïble;
  • Anàlisi de dades basades en evidències.

Curs 6: Inferència estadística

Temes principals:

  • Probabilitat i valors esperats;
  • Variabilitat, distribució i asímptota;
  • Intervals, proves i valor p;
  • Proves de potència, bootstrapping i permutació.

Curs 7: Models de regressió

Temes principals:

  • Mínims quadrats i regressió lineal;
  • Regressió lineal i multivariant;
  • Residus i diagnòstics;
  • Regressió logística i de Poisson.

Curs 8: Aprenentatge automàtic

Temes principals:

  • Predicció, errors i validació creuada;
  • Paquet caret;
  • Arbres de decisió i boscos aleatoris;
  • Regressió regularitzada i predictors combinats.

Curs 9: Desenvolupament de productes de dades

Temes principals:

  • Shiny, GoogleVis i Plotly;
  • R Markdown i Leaflet;
  • Paquets R i Swirl.

Referències

Articles relacionats

Conferència ODSC APAC 2023 (conferència ODSC)
Fonaments de Spark (formació Cognitive Class)
Fonaments de Hadoop (formació Cognitive Class)
AWS: fonaments i aprenentatge automàtic (formació AWS)

Més informació

AWS: fonaments i aprenentatge automàtic

AWS: fonaments i aprenentatge automàtic

Formació AWS, MOOC (2020). Aquests cursos en línia proporcionen una comprensió global del núvol d’AWS, amb una visió general dels conceptes, serveis, seguretat, arquitectura, preus i suport del núvol. Els cursos específics per a socis d’AWS ensenyen les millors pràctiques per a abordar les prioritats comercials dels clients. També es cobreix l'aprenentatge automàtic (ML), amb el pla d'estudis utilitzat per Amazon per capacitar als seus desenvolupadors i científics de dades.

Conceptes bàsics d’AWS

Temes principals:

  • Serveis bàsics d'AWS;
  • Serveis integrats d’AWS;
  • Arquitectura d’AWS;
  • Seguretat d’AWS;
  • Preus i suport.

Solucions de socis d’AWS: Bases comercials

Temes principals:

  • Desenvolupar el seu negoci amb AWS;
  • El que els importa als clients d'AWS;
  • Seguretat, identitat i compliment;
  • Preus i llicències;
  • Migració i adopció del núvol;
  • Gestió d'oportunitats.

Solucions de socis d’AWS: Fonaments tècnics

Temes principals:

  • Arquitectes de solucions d'AWS;
  • Conceptes arquitectònics d’AWS;
  • Blocs de construcció;
  • Well-Architected Framework d’AWS;
  • Arquitectura d'una solució AWS;
  • Involucrar els clients i dissenyar solucions.

AWS Machine Learning: Prenedor de decisions

Temes principals:

  • Desmitificant AI/ML/DL;
  • Aprenentatge automàtic per a desafiaments empresarials;
  • Terminologia d'aprenentatge automàtic;
  • Explorant el conjunt d'eines ML.

AWS Machine Learning: Científic de dades

Temes principals:

  • Matemàtiques per a l'aprenentatge automàtic;
  • Regressió lineal i logística;
  • Elements de la ciència de dades;
  • Decisions d'aprenentatge automàtic.

Referències

Formació

AWS Business Professional (Solucions de socis d’AWS: Bases comercials, certificat del curs)
AWS Technical Professional (Solucions de socis d’AWS: Fonaments tècnics, certificat del curs)

Articles relacionats

Més informació

AWS Cloud Practitioner Essentials (Conceptes bàsics d’AWS)
AWS Partner Solutions (Solucions de socis d’AWS)
AWS Machine Learning: Decision maker (AWS Machine Learning: Prenedor de decisions)
AWS Machine Learning: Data scientist (AWS Machine Learning: Científic de dades)

Xarxes neuronals i aprenentatge profund

Xarxes neuronals i aprenentatge profund

Formació Coursera, MOOC (2018). Impartida en línia per Stanford University (US), aquesta formació introdueix les bases de l'aprenentatge profund. Els principals objectius són comprendre les tendències tecnològiques que impulsen l'aprenentatge profund, ser capaç de construir, entrenar i aplicar xarxes neuronals profundes. La formació té com a objectiu ensenyar com funciona l'aprenentatge profund, en lloc de presentar només una descripció superficial.

Setmana 1: Introducció a l'aprenentatge profund

Temes principals:

  • Què és una xarxa neuronal?
  • Aprenentatge supervisat amb xarxes neuronals;
  • Per què s’està enlairant l'aprenentatge profund?

Setmana 2: Fonaments de xarxes neuronals

Temes principals:

  • Classificació binària;
  • Regressió logística;
  • Descens de gradient;
  • Derivades amb gràfic de computació;
  • Vectorització de la regressió logística.

Setmana 3: Xarxes neuronals superficials

Temes principals:

  • Representació de la xarxa neuronal;
  • Calcular la sortida d'una xarxa neuronal;
  • Vectorizar a través de múltiples exemples;
  • Funcions d'activació i les seves derivades;
  • Descens de gradient per a xarxes neuronals;
  • Inicialització aleatòria.

Setmana 4: Xarxes neuronals profundes

Temes principals:

  • Xarxa neuronal multicapa;
  • Propagació cap endavant i cap enrere;
  • Blocs de construcció de xarxes;
  • Paràmetres vs hiper-paràmetres.

Referències

Articles relacionats

Més informació