Kursplan

  1. Förbehandling av data

    1. Data Cleaning
    2. Dataintegrering och omvandling
    3. Minskning av data
    4. Diskretisering och generering av koncepthierarki
  2. Statistisk slutledning

    1. Sannolikhetsfördelningar, Stokastiska variabler, Centrala gränsvärdessatsen
    2. Provtagning
    3. Konfidensintervall
    4. Statistisk slutledning
    5. Hypotesprövning
  3. Multivariat linjär regression

    1. Specifikation
    2. Val av delmängd
    3. Uppskattning
    4. Validering
    5. Prognos
  4. Metoder för klassificering

    1. Logistisk regression
    2. Linjär diskriminantanalys
    3. K-närmsta grannar
    4. Naiva Bayes
    5. Jämförelse av klassificeringsmetoder
  5. Neural Networks

    1. Anpassning av neurala nätverk
    2. Problem med träning av neurala nätverk
  6. Beslutsträd

    1. Regressionsträd
    2. Klassificeringsträd
    3. Träd kontra linjära modeller
  7. Bagging, Random Forests, Boosting

    1. Uppsamlare
    2. Random Forests
    3. Öka
  8. Stöd för vektormaskiner och flexibel disk

    1. Klassificerare för maximal marginal
    2. Klassificerare för stödvektorer
    3. Maskiner för stödvektor
    4. 2 och fler klasser SVM:er
    5. Relation till logistisk regression
  9. Analys av huvudkomponenter

  10. Klustring

    1. K-means-klustring
    2. K-medoider klustring
    3. Hierarkisk klustring
    4. Densitetsbaserad klustring
  11. Modellbedömning och urval

    1. Bias, varians och modellkomplexitet
    2. Förutsägelsefel i provet
    3. Det bayesianska tillvägagångssättet
    4. Korsvalidering
    5. Bootstrap metoder
 28 timmar

Antal deltagare


Price per participant

Vittnesmål (5)

Upcoming Courses

Relaterade Kategorier