Font size
A-
A
A+
Site color
R
A
A
A
Skip to main content
Side panel
Home
Calendar
More
You are currently using guest access
Log in
AI4VET
Home
Calendar
Expand all
Collapse all
AI/ML Fundamentals
AIML-SK
5. Reference
https://petlja.org/sr-Latn-RS/kurs/11203/0
https://petlja.org/sr-Latn-RS/kurs/11203/0
Open course index
Completion requirements:
View
Click on
https://petlja.org/sr-Latn-RS/kurs/11203/0
to open the resource.
Previous activity
https://scikit-learn.org/
Jump to...
Jump to...
1.1 Koncept umelej inteligencie
1.2 Turingov test
1.3 Oblasti umelej inteligencie
1.4 Regulácia umelej inteligencie, právne a etické výzvy
1.5 Úzka, všeobecná a superinteligencia
Úvodné cvičenie: Jupyter Cvičebné zápisníky
Úvodné cvičenie: Platforma Google Colab
Úvodné cvičenie: knižnice NumPy, Matplotlib a Pandas
Cvičenie 1.1: Aplikácia umelej inteligencie - používanie programov AI
Cvičenie 1.2: Aplikácia umelej inteligencie – simulácia Turingovho testu
Cvičenie 1.3: Aplikácia umelej inteligencie – identifikácia systémov založených na umelej inteligencii
Cvičenie 1.4: Aplikácia umelej inteligencie – skúmanie superinteligencie
2.1 Vzťah medzi umelou inteligenciou a strojovým učením
2.2 Programovanie založené na údajoch (SK)
2.3 Základné pojmy strojového učenia
2.4 Proces strojového učenia
2.5 Typy strojového učenia
2.6 Údaje v strojovom učení
2.7 Prieskumná analýza údajov (EDA)
2.8 Vytvorenie reprezentácie množiny údajov
2.9 Školiace, validačné a testovacie súbory
Cvičenie 2.A: Populárne množiny údajov MNIST
Cvičenie 2.B: Populárne množiny údajov - ImageNet
Cvičenie 2.C: Populárne súbory údajov – COCO
Cvičenie 3: Prieskumná analýza súboru údajov
Cvičenie 4: Tréningové, validačné a testovacie súbory
3.1 Lineárna regresia
3.2 Gradientný zostup
3.3 Polynomiálna regresia
3.4 Viacnásobná lineárna regresia
3.5 Klasifikácia, typy klasifikácie a matica zámeny
3.6 Logistická regresia
3.7 Rozhodovací strom
3.8 Algoritmus K-najbližšieho suseda (kNN)
3.9 Hyperparametre
3.10 Zovšeobecňovanie, nedostatočná adaptácia a nadmerná adaptácia
3.11 Validácia, krížová validácia
3.12 Regularizácia
Cvičenie 5.1: Lineárna regresia
Cvičenie 5.2: Gradientný zostup
Cvičenie 6: Logistická regresia
Cvičenie 7: Rozhodovací strom
Cvičenie 8: Algoritmus k-najbližšieho suseda
Cvičenie 9: Overenie
4.1 Neurónové siete
4.2 Trénovanie neurónových sietí
4.3 Konvolučné neurónové siete (CNN)
4.4 Rekurentné neurónové siete
4.5 Algoritmus K-Means
Cvičenie 10: Trénovanie neurónových sietí
Cvičenie 11: VGG-16 Úloha klasifikácie sietí a obrázkov
Cvičenie 12: Algoritmus K-Means
GitHub repostitory
ARTIFICIAL INTELLIGENCE AND MACHINE LEARNING FUNDAMENTALS EN
ARTIFICIAL INTELLIGENCE AND MACHINE LEARNING FUNDAMENTALS EN
Curriculum: Fundamentals of Artificial Intelligence and Machine Learning
https://scikit-learn.org/
Hands-On-Machine-Learning-with-Scikit-Learn-Keras-and-Tensorflow -Concepts-Tools-and-Techniques-to-Build-Intelligent-Systems-Aurélien-Géron-O’Reilly-Media-2019
machine-learning-and-artificial-intelligence-1st-ed-2020-978-3-030-26621-9-978-3-030-26622-6 compress
Explorations in Artificial Intelligence and Machine Learning
Machine Learning For Absolute Beginners
Artificial Intelligence A Modern Approach 3rd
Deep Learning by Ian Goodfellow, Yoshua Bengio, and Aaron Courville
Hands-On AI Projects for the Classroom
Book
Next activity
Hands-On-Machine-Learning-with-Scikit-Learn-Keras-and-Tensorflow -Concepts-Tools-and-Techniques-to-Build-Intelligent-Systems-Aurélien-Géron-O’Reilly-Media-2019