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
Deep Learning by Ian Goodfellow, Yoshua Bengio, and Aaron Courville
Deep Learning by Ian Goodfellow, Yoshua Bengio, and Aaron Courville
Mark as done
Open course index
Click on
Deep Learning by Ian Goodfellow, Yoshua Bengio, and Aaron Courville
to open the resource.
Previous activity
Artificial Intelligence A Modern Approach 3rd
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/
https://petlja.org/sr-Latn-RS/kurs/11203/0
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
Hands-On AI Projects for the Classroom
Book
Next activity
Hands-On AI Projects for the Classroom