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-PT
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 O Conceito de Inteligência Artificial
1.2 O Teste de Turing
1.3 Áreas da Inteligência Artificial
1.4 Regulação da Inteligência Artificial, Desafios Legais e Éticos
1.5 Estreita, Geral e Superinteligência
Exercício de Introdução: Cadernos de Exercícios Jupyter
Exercício de introdução: Platforma Google Colab
Exercício de Introdução: Bilioteka NumPy, Matplotlib e Pandas
Exercício 1.1: Aplicação da Inteligência Artificial - Usando Programas de IA
Exercício 1.2: Aplicação da Inteligência Artificial - Simulando o Teste de Turing
Exercício 1.3: Aplicação da Inteligência Artificial - Identificação de Sistemas Baseados em IA
Exercício 1.4: Aplicação da Inteligência Artificial - Explorando a Superinteligência
2.1 A Relação entre Inteligência Artificial e Machine Learning
2.2 Programação baseada em dados
2.3 Conceitos básicos de Machine Learning
2.4 O processo de Machine Learning
2.5 Tipos de Machine Learning
2.6 Dados em Machine Learning
2.7 Análise exploratória de dados (EDA)
2.8 Criando uma representação de um conjunto de dados
2.9 Conjuntos de formação, validação e ensaio
Exercício 2.A: Conjuntos de dados populares MNIST
Exercício 2.B: Conjuntos de dados populares - ImageNet
Exercício 2.C: Conjuntos de dados populares - COCO
Exercício 3: Análise exploratória de um conjunto de dados
Exercício 4: Conjuntos de treino, validação e teste
3.1 Regressão linear
3.2 Descida de gradiente
3.3 Regressão polinomial
3.4 Regressão linear múltipla
3.5 Classificação, tipos de classificação e matriz de confusão
3.6 Regressão logística
3.7 Árvore de decisão
3.8 Algoritmo K-Nearest Neighbor (kNN)
3.9 Hiperparâmetros
3.10 Generalização, subadaptação e sobreadaptação
3.11 Validação, validação cruzada
3.12 Regularização
Exercício 5.1: Regressão linear
Exercício 5.2: Descida de gradiente
Exercício 6: Regressão Logística
Exercício 7: Árvore de decisão
Exercício 8: O algoritmo do vizinho k-mais próximo
Exercício 9: Validação
4.1 Redes neurais
4.2 Formação de redes neurais
4.3 Redes Neurais Convolucionais (CNN)
4.4 Redes neurais recorrentes
4.5 Algoritmo K-Means
Exercício 10: Treinar redes neurais
Exercício 11: Tarefa de Classificação de Rede e Imagem VGG-16
Exercício 12: Algoritmo 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