了解不同類型機器學習演算法的詳細信息,並對其進行調整以優化其針對任何應用程式的性能。雖然人工智慧基礎知識涵蓋瞭如何在回歸和分類中使用不同的演算法,但在這裡我們描述了它們的內部工作方式以及如何調整它們。我們也介紹了一種重要的新型演算法。神經網路(深度學習),用於理解影像、聲音和視訊。
主題、工具與模組:
了解ML演算法的細節,特別是
KNN
決策樹
線性迴歸
神經網絡
建構和調整這些機器學習演算法的超參數,以建立端到端工作系統。了解什麼是超參數,現在它們控制這些演算法的行為,以及如何修改它們。學習正則化和特徵工程的核心概念。
學習了解公開資料集中的問題類型和合適的演算法,例如 Kaggle。
訓練人工智慧學習並參與目標射擊遊戲。教你的人工智慧正確指向目標。您可以使用主動遊戲或數學來建立訓練集。
攜帶您自己的數據並在程式碼實驗室中建立自訂人工智慧驅動的應用程式。您可以使用任何您喜歡的語言進行程式設計。我們將提供 Python、Scratch、Java 和 Javascript 範例。
先決條件
學生收穫了什麼