×
1 Válassza az EITC/EITCA tanúsítványokat
2 Tanuljon és tegyen online vizsgákat
3 Szerezzen tanúsítványt informatikai ismereteiről

Erősítse meg IT-készségeit és kompetenciáit az európai IT-tanúsítási keretrendszerben a világ bármely pontjáról, teljesen online.

EITCA Akadémia

Az Európai IT Tanúsító Intézet digitális készségek tanúsítási szabványa, amelynek célja a digitális társadalom fejlődésének támogatása

BEJELENTKEZÉS A FIÓKBA

HOZZON LÉTRE EGY FIÓKOT FELEJTETT JELSZAVÁT?

FELEJTETT JELSZAVÁT?

AAH, várj, most már emlékszem!

HOZZON LÉTRE EGY FIÓKOT

Már rendelkezik fiókkal?
EURÓPAI INFORMÁCIÓS TECHNOLÓGIAI HITELESÍTÉSI AKADÉMIA - SZAKMAI DIGITÁLIS KÉPESSÉGEK MEGNEVEZÉSE
  • REGISZTRÁLJ
  • BEJELENTKEZÉS
  • INFO

EITCA Akadémia

EITCA Akadémia

Az Európai Információs Technológiák Tanúsító Intézete - EITCI ASBL

Tanúsítványszolgáltató

EITCI Institute ASBL

Brüsszel, Európai Unió

Az európai IT-tanúsítási (EITC) keretrendszer az informatikai professzionalizmus és a digitális társadalom támogatására

  • BIZONYÍTVÁNYOK
    • EITCA AKADÉMIAI
      • EITCA AKADÉMIAKATALÓGUS<
      • EITCA/CG SZÁMÍTÓGRAFIKA
      • EITCA/IS INFORMÁCIÓK BIZTONSÁGA
      • EITCA/BI VÁLLALKOZÁSI INFORMÁCIÓK
      • Az EITCA/KC KULCSOS KOMPETENCIÁK
      • EITCA/EG E-KORMÁNYOK
      • EITCA/WD WEBFEJLESZTÉS
      • EITCA/AI MŰVÉSZETI INTELLIGENCIA
    • EITC BIZONYÍTVÁNYOK
      • Az EITC BIZONYÍTVÁNYOK KATALÓGUSA<
      • SZÁMÍTÓGÉPGRAFIKAI BIZONYÍTVÁNYOK
      • WEB-DESIGN TANÚSÍTVÁNYOK
      • 3D-s DESIGN TANÚSÍTVÁNYOK
      • IRODAI BIZONYÍTVÁNYOK
      • BITCOIN BLOCKCHAIN ​​BIZONYÍTVÁNY
      • WORDPRESS BIZONYÍTVÁNY
      • FELSŐ PLATFORM TANÚSÍTVÁNYÚJ
    • EITC BIZONYÍTVÁNYOK
      • INTERNETES BIZONYÍTVÁNYOK
      • KRYPTOGRAFIA BIZONYÍTVÁNYOK
      • ÜZLETI IT-BIZONYÍTVÁNYOK
      • TÁVOLSÁGI BIZONYÍTVÁNYOK
      • BIZONYÍTVÁNYOK PROGRAMOZÁSA
      • DIGITÁLIS PORTRÉT BIZONYÍTVÁNY
      • WEBFEJLESZTÉSI TANÚSÍTVÁNYOK
      • MÉLY TANULÁSI BIZONYÍTVÁNYOKÚJ
    • BIZONYÍTVÁNYOK
      • EU KÖZI KÖZIGAZGATÁS
      • OKTATÓK ÉS OKTATÓK
      • IT BIZTONSÁGI SZAKMAI
      • GRAFIKAI TERVEZŐK ÉS MŰVÉSZEK
      • VÁLLALKOZÓK ÉS VEZETŐK
      • BLOCKCHAIN ​​Fejlesztők
      • WEB FEJLESZTŐK
      • FELTÉTELES TUDNIVALÓKÚJ
  • KIEMELT
  • SZUBVENCIÓ
  • HOGYAN MŰKÖDIK
  •   IT ID
  • RÓLUNK
  • KAPCSOLAT
  • RENDELÉSEK
    A jelenlegi rendelése üres.
EITCIINSTITUTE
CERTIFIED

EITC/AI/MLP gépi tanulás Python-nal

by EITCA Akadémia / Kedd, február 02 2021 / Megjelent a

Jelenlegi állapot

Nem beiratkozott
Regisztrálj ebbe a programba, hogy hozzáférj

Ár

€110.00

Első lépések

Jelentkezzen be erre a tanúsításra

Az EITC/AI/MLP Machine Learning with Python az európai informatikai tanúsító program a gépi tanulás Python nyelvű programozásának alapjairól.

Az EITC/AI/MLP gépi tanulás Pythonnal tanterve a gépi tanulási programozás elméleti és gyakorlati készségeire összpontosít, az alábbi struktúrában szervezve, átfogó és strukturált EITCI-tanúsítási tanterv öntanuló anyagokat foglal magában, amelyeket hivatkozott nyílt hozzáférésű videó didaktikai tartalom támogat. az EITC-tanúsítvány megszerzésére való felkészülés alapja a megfelelő vizsga letételével.

A gépi tanulás (ML) olyan számítógépes algoritmusok tanulmányozása, amelyek a tapasztalatok révén automatikusan javulnak. A mesterséges intelligencia részének tekintik. A gépi tanulási algoritmusok mintadatokon alapulnak egy modellt, amely képzési adatok néven ismert, annak érdekében, hogy előrejelzéseket vagy döntéseket hozzanak anélkül, hogy erre kifejezetten programoznának.

A gépi tanulási algoritmusokat sokféle alkalmazásban használják, például az e-mailek szűrésében és a számítógépes látásmódban, ahol a szükséges feladatok elvégzéséhez nehéz vagy megvalósíthatatlan hagyományos algoritmusok kifejlesztése. A gépi tanulást 1959-ben Arthur Samuel határozta meg, mint „azt a tanulmányi területet, amely képes a számítógépeket tanulni anélkül, hogy kifejezetten programoznák”.

A gépi tanulás egy része szorosan kapcsolódik a számítási statisztikához, amely a számítógépes előrejelzésekre összpontosít, azonban nem minden gépi tanulás statisztikai tanulás. A matematikai optimalizálás vizsgálata módszereket, elméletet és alkalmazási területeket juttat a gépi tanulás területéhez. Az adatbányászat egy kapcsolódó tanulmányi terület, amely a felügyelet nélküli tanulás révén a feltáró adatelemzésre összpontosít. Az üzleti problémák kezelésében a gépi tanulást prediktív elemzésnek is nevezik.

A gépi tanulási megközelítéseket hagyományosan három nagy kategóriába sorolják, a tanulási rendszer számára elérhető „jel” vagy „visszacsatolás” jellegétől függően:

  • Felügyelt tanulás: A számítógép bemutatja a bemeneteket és a kívánt kimeneteket, amelyeket egy „tanár” ad meg, és a cél egy olyan általános szabály megtanulása, amely a bemeneteket a kimenetekhez térképezi fel.
  • Felügyelet nélküli tanulás: A tanulási algoritmushoz nem adnak címkéket, így saját maga hagyja elmenni a bemeneti struktúrában. A felügyelet nélküli tanulás önmagában is lehet cél (az adatok rejtett mintáinak feltárása), vagy eszköz a cél felé (funkciótanulás).
  • Megerősítő tanulás: A számítógépes program kölcsönhatásba lép egy dinamikus környezettel, amelyben bizonyos célt kell teljesítenie (például járművezetés vagy játék az ellenfél ellen). A problématerületen történő navigálás során a program a visszajelzésekhez hasonló visszajelzést kap, amelyet igyekszik maximalizálni.

Más megközelítéseket fejlesztettek ki, amelyek nem illeszkednek ebbe a háromszoros kategorizálásba, és néha többet is használ ugyanaz a gépi tanulási rendszer. Például a téma modellezése, a dimenzió csökkentése vagy a meta tanulás.

2020-tól a mély tanulás vált a gépi tanulás területén folytatott sok munka domináns megközelítésévé.

A Python egy értelmezett, magas szintű és általános célú programozási nyelv. A Python tervezési filozófiája hangsúlyozza a kód olvashatóságát a jelentős szóköz jelentős felhasználásával. Nyelvi konstrukcióinak és objektum-orientált megközelítésének célja, hogy segítse a programozókat világos, logikus kód megírásában kis és nagy projektekhez. A Python-t átfogó szabványos könyvtárának köszönhetően gyakran „elemekkel együtt” használt nyelvként írják le. A Pythont gyakran használják mesterséges intelligencia projektekben és gépi tanulási projektekben olyan könyvtárak segítségével, mint a TensorFlow, a Keras, a Pytorch és a Scikit-learn.

A Python dinamikusan be van írva (futás közben sok olyan általános programozási magatartást hajt végre, amelyet a statikus programozási nyelvek végrehajtanak a fordítás során) és szemetet gyűjt (automatikus memóriakezeléssel). Támogatja a több programozási paradigmát, beleértve a strukturált (különösen az eljárási), az objektum-orientált és a funkcionális programozást. Az 1980-as évek végén hozták létre, és először 1991-ben adták ki Guido van Rossum az ABC programnyelv utódjaként. A 2.0-ben kiadott Python 2000 új funkciókat vezetett be, mint például a felsorolás megértését és a szemétgyűjtő rendszert referenciaszámlálással, és a 2.7-es verzióval 2020-ban megszüntették. A 3.0-ban kiadott Python 2008 a nyelv jelentős változata volt. nem teljesen visszafelé kompatibilis, és a Python 2 sok kódja nem fut változatlanul a Python 3-on. A Python 2 életciklusának végén (és a pip 2021-ben elvesztette a támogatást) csak a Python 3.6.x és újabb verzióit támogatják, a régebbi verziók továbbra is támogatja például a Windows 7-et (és a régi telepítőket, amelyek nem korlátozódnak a 64 bites Windows-ra).

A Python tolmácsokat a mainstream operációs rendszerek támogatják, és még néhányhoz rendelkezésre állnak (és a múltban még sokakat támogattak). A globális programozói közösség fejleszti és fenntartja a CPython-t, egy ingyenes és nyílt forráskódú referencia-megvalósítást. Egy nonprofit szervezet, a Python Software Foundation kezeli és irányítja a Python és a CPython fejlesztésének erőforrásait.

2021 januárjától a Python a harmadik helyet foglalja el a TIOBE legnépszerűbb programozási nyelvek indexében, a C és a Java mögött, korábban megszerezte a második helyet és díjat a 2020-as legnépszerűbb növekedésért. 2007-ben, 2010-ben választották az év programnyelvének. , és 2018.

Egy empirikus tanulmány megállapította, hogy a szkriptnyelvek, mint például a Python, produktívabbak, mint a hagyományos nyelvek, például a C és a Java a stringes manipulációt és a szótárban történő keresést magában foglaló programozási problémák esetén, és megállapították, hogy a memóriafogyasztás gyakran „jobb, mint a Java, és nem sokkal rosszabb, mint a C vagy a C ++ ”. A Python-t használó nagy szervezetek közé tartozik a Wikipedia, a Google, a Yahoo !, a CERN, a NASA, a Facebook, az Amazon, az Instagram.

A Python, mint mesterséges intelligencia alkalmazásai, mint moduláris felépítésű szkriptnyelv, egyszerű szintaxis és gazdag szövegfeldolgozó eszközök, gyakran használják a természetes nyelv feldolgozásához.

A tanúsítási tanterv részletes megismeréséhez bővítheti és elemezheti az alábbi táblázatot.

Az EITC/AI/MLP gépi tanulás Python tanúsítással tantervében nyílt hozzáférésű didaktikai anyagokra hivatkozik Harrison Kinsley videó formájában. A tanulási folyamat lépésről lépésre tagolódik (programok -> órák -> témák), amely lefedi a megfelelő tantervi részeket. A résztvevők válaszokat kaphatnak, és relevánsabb kérdéseket tehetnek fel az e-learning felület Kérdések és válaszok rovatában, az EITC program aktuális tananyagának témakörében. A tartományi szakértőkkel való közvetlen és korlátlan tanácsadás elérhető a platformba integrált online üzenetküldő rendszeren, valamint a kapcsolatfelvételi űrlapon keresztül is.
A tanúsítási eljárás részleteiért ellenőrizze Hogyan működik.

A gépi tanulást Arthur Samuel 1959-ben definiálta, mint azt a "tanulmányi területet, amely képes a számítógépeket tanulni anélkül, hogy kifejezetten programoznák őket". Az EITC/AI/MLPP gépi tanulás programozása Python programmal a gépi tanulás alapjainak bevezetését tűzi ki célul (beleértve az elmélet alapismereteit is), a Python-nal történő programozásra összpontosítva. Az elmélet kivételével kiterjed az alkalmazásokra, a felügyelt, felügyelet nélküli és mély tanulási gépi tanulási algoritmusok elméleti és gyakorlati vonatkozásaira. A program kiterjed a lineáris regresszióra, a K legközelebbi szomszédokra, a támogató vektorgépekre (SVM), a lapos klaszterezésre, a hierarchikus klaszterezésre és a neurális hálózatokra. Ez magában foglalja az érintett algoritmusok alapfogalmait és a mögöttes logikát. Ez magában foglalja az algoritmusok alkalmazásának megvitatását a programozásban, példákon alapuló valós adatkészletek és modulok (pl. Scikit-Learn) felhasználásával. A program kiterjed az egyes algoritmusok részleteire is, azáltal, hogy ezeket az algoritmusokat kódban valósítja meg, beleértve az érintett matematikát, és betekintést nyújt az algoritmusok pontos működésébe, azok módosításába, valamint azok tulajdonságaiba, beleértve az előnyöket és hátrányokat. A gépi tanulásban részt vevő algoritmusok meglehetősen egyszerűek (a nagyméretű adatsorok méretezésének szükségességétől függően), csakúgy, mint a matematika, amelyen alapulnak (lineáris algebra).

Tantervi referencia-források

Python dokumentáció
https://www.python.org/doc/

A Python kiadja a letöltéseket
https://www.python.org/downloads/

Python kezdőknek útmutató
https://www.python.org/about/gettingstarted/

Python Wiki kezdőknek szóló útmutató
https://wiki.python.org/moin/BeginnersGuide

W3Schools Python Machine Learning bemutató
https://www.w3schools.com/python/python_ml_getting_started.asp

Töltse le a teljes offline öntanuló előkészítő anyagokat az EITC/AI/MLP Machine Learning with Python programhoz PDF-fájlban

PDF ikon EITC/AI/MLP előkészítő anyagok – standard változat

PDF ikon EITC/AI/MLP előkészítő anyagok – kibővített változat felülvizsgálati kérdésekkel

Minősítési program tanterv

Bevezetés 1 Téma
Jelenleg nincs hozzáférésed ehhez a tartalomhoz
Leckék tartalma
0% teljes 0/1 lépések
Bevezetés a gyakorlati gépi tanulásba a Python segítségével
Regresszió 6 témák
Jelenleg nincs hozzáférésed ehhez a tartalomhoz
Leckék tartalma
0% teljes 0/6 lépések
Bevezetés a regresszióba
Regressziós jellemzők és címkék
Regressziós edzés és tesztelés
Regresszió előrejelzés és előrejelzés
Pácolás és pikkelyezés
A regresszió megértése
A gépi tanulás programozása 12 témák
Jelenleg nincs hozzáférésed ehhez a tartalomhoz
Leckék tartalma
0% teljes 0/12 lépések
A legjobban illeszkedő lejtő programozása
A legjobban illeszkedő vonal programozása
R négyzet elmélet
R programozása négyzetre
Feltevések tesztelése
Bevezetés a K legközelebbi szomszédokkal való osztályozáshoz
K legközelebbi szomszédok alkalmazás
Euklideszi távolság
K legközelebbi szomszédok algoritmusának meghatározása
Saját K legközelebbi szomszédok algoritmusának programozása
Saját K legközelebbi szomszédok algoritmusának alkalmazása
A K legközelebbi szomszédok algoritmusának összefoglalása
Támogatja a vektor gépet 14 témák
Jelenleg nincs hozzáférésed ehhez a tartalomhoz
Leckék tartalma
0% teljes 0/14 lépések
Támogatja a vektoros gép bevezetését és alkalmazását
A vektorok megértése
Támogassa a vektor állítását
Támogassa a vektor gép alapjait
Támogatja a vektor gép optimalizálását
SVM létrehozása a semmiből
SVM képzés
SVM optimalizálás
Az SVM befejezése a semmiből
Kernelek bevezetése
A magok okai
Puha margó SVM
Puha margó SVM és magok CVXOPT-val
SVM paraméterek
Csoportosítás, k-átlagok és átlagos eltolódás 9 témák
Jelenleg nincs hozzáférésed ehhez a tartalomhoz
Leckék tartalma
0% teljes 0/9 lépések
Csoportosítás bevezetése
Nem numerikus adatok kezelése
K jelentése titán adatkészlettel
A Custom K azt jelenti
K jelentése a semmiből
Átlagos műszak bevezetés
Átlagos eltolódás titán adatkészlettel
Átlagos elmozdulás a semmiből
Átlagos eltolás dinamikus sávszélesség
EITC/AI/MLP gépi tanulás Python-nal
Jelenleg nincs hozzáférésed ehhez a tartalomhoz
Főoldal » A fiókom

Tanúsító Központ

Program kezdőlapja
Bevezetés
Bevezetés a gyakorlati gépi tanulásba a Python segítségével
Regresszió
Bevezetés a regresszióba
Regressziós jellemzők és címkék
Regressziós edzés és tesztelés
Regresszió előrejelzés és előrejelzés
Pácolás és pikkelyezés
A regresszió megértése
A gépi tanulás programozása
A legjobban illeszkedő lejtő programozása
A legjobban illeszkedő vonal programozása
R négyzet elmélet
R programozása négyzetre
Feltevések tesztelése
Bevezetés a K legközelebbi szomszédokkal való osztályozáshoz
K legközelebbi szomszédok alkalmazás
Euklideszi távolság
K legközelebbi szomszédok algoritmusának meghatározása
Saját K legközelebbi szomszédok algoritmusának programozása
Saját K legközelebbi szomszédok algoritmusának alkalmazása
A K legközelebbi szomszédok algoritmusának összefoglalása
Támogatja a vektor gépet
Támogatja a vektoros gép bevezetését és alkalmazását
A vektorok megértése
Támogassa a vektor állítását
Támogassa a vektor gép alapjait
Támogatja a vektor gép optimalizálását
SVM létrehozása a semmiből
SVM képzés
SVM optimalizálás
Az SVM befejezése a semmiből
Kernelek bevezetése
A magok okai
Puha margó SVM
Puha margó SVM és magok CVXOPT-val
SVM paraméterek
Csoportosítás, k-átlagok és átlagos eltolódás
Csoportosítás bevezetése
Nem numerikus adatok kezelése
K jelentése titán adatkészlettel
A Custom K azt jelenti
K jelentése a semmiből
Átlagos műszak bevezetés
Átlagos eltolódás titán adatkészlettel
Átlagos elmozdulás a semmiből
Átlagos eltolás dinamikus sávszélesség
EITC/AI/MLP gépi tanulás Python-nal

FELHASZNÁLÓI MENÜ

  • A fiókom

BIZONYÍTVÁNYKATEGÓRIA

  • EITC tanúsítás (105)
  • EITCA tanúsítás (9)

Mit keresel?

  • Bevezetés
  • Hogyan működik?
  • EITCA Akadémiák
  • EITCI DSJC támogatás
  • Teljes EITC katalógus
  • A rendelése
  • Kiemelt
  •   IT ID
  • EITCA vélemények (közepes publikáció)
  • Rólunk
  • Kapcsolat

Az EITCA Akadémia az európai IT tanúsítási keretrendszer része

Az Európai IT Tanúsítási Keretrendszert 2008-ban hozták létre, mint egy európai alapú és gyártótól független szabványt a digitális készségek és kompetenciák széles körben elérhető online tanúsítására a professzionális digitális szakterületek számos területén. Az EITC keretrendszerét a Európai IT Tanúsító Intézet (EITCI), egy non-profit tanúsító hatóság, amely támogatja az információs társadalom növekedését és áthidalja a digitális készségek terén mutatkozó szakadékot az EU-ban.

Jogosultság az EITCA Academy 80% -os EITCI DSJC támogatási támogatására

Az EITCA Akadémia díjainak 80% -a támogatott a beiratkozáskor

    EITCA Akadémia Titkárság

    Európai IT Tanúsító Intézet ASBL
    Brüsszel, Belgium, Európai Unió

    EITC/EITCA tanúsítási keretrendszer üzemeltetője
    Kormányzó európai informatikai tanúsítási szabvány
    Hozzáférés kapcsolatfelvételi űrlapot vagy hívja + 32 25887351

    Kövesse az EITCI-t az X-en
    Látogassa meg az EITCA Akadémiát a Facebookon
    Lépjen kapcsolatba az EITCA Akadémiával a LinkedIn-en
    Nézze meg az EITCI és EITCA videókat a YouTube-on

    Az Európai Unió által finanszírozott

    A Európai Regionális Fejlesztési Alap (ERFA) és a Európai Szociális Alap (ESZA) 2007 óta számos projektben, jelenleg a Európai IT Tanúsító Intézet (EITCI) óta 2008

    Információbiztonsági szabályzat | DSRRM és GDPR szabályzat | Adatvédelmi politika | Feldolgozási tevékenységek nyilvántartása | EBK szabályzat | Korrupcióellenes politika | Modern rabszolgapolitika

    Automatikus fordítás az Ön nyelvére

    Általános szerződési feltételek | Adatkezelési tájékoztató
    EITCA Akadémia
    • EITCA Akadémia a közösségi médiában
    EITCA Akadémia


    © 2008-2025  Európai IT Tanúsító Intézet
    Brüsszel, Belgium, Európai Unió

    TOP
    Csevegés az ügyfélszolgálattal
    Csevegés az ügyfélszolgálattal
    Kérdések, kétségek, problémák? Azért vagyunk itt, hogy segítsünk!
    Csevegés befejezése
    Csatlakozás ...
    Kérdése van?
    Kérdése van?
    :
    :
    :
    Küldés
    Kérdése van?
    :
    :
    Beszélgetés indítása
    A csevegés befejeződött. Köszönöm!
    Kérjük, értékelje a kapott támogatást.
    Jó Rossz