Modul 1 - Maskininlärningstyper

• Maskininlärningstyper
• Övervakad inlärning med exempel
• Oövervakad inlärning med exempel
• Förstärkningsinlärning med exempel
• Regression vs Klassificering
• Olika ML-algoritmer

Modul 2 - Enkel linjär regression

• Regression problemanalys
• Matematisk modellering av regressionsmodell
• Användningsområden, regressionsbord,
• R-kvadrat | Medelkvadratfel
• Modellspecifikation, Datakällor för linjär regression.
• Projekt - Anställd löneprognos / Hushållsprisprognos

Modul 3 - Logistisk regression och KNN

• Logistisk regression arbete och matematisk ekvation
• Modellspecifikation, Utvärdering av modellparameterviktighet, Förvirringsmatris
• Olika klassificeringsutvärderingsmetoder (Accurancy Score, Precision, Recall, F1-Score)
• KNN-modellens koncept
• Projekt - IRIS-blomklassificering / Titanic-passageraröverlevnad

Modul 4 - Oövervakad inlärning - Klustring

• Oövervakad inlärning, Klustring Introduktion,
• K-Means klustring, Hantering av K-Means klustring,
• Matematik bakom K means klustring - Centroider
• Hierarkisk klustring, Dendrogram
• Projekt - Kundklustring

Modul 5 - Naturlig språkbehandling

• Introduktion till NLP
• Konceptet av Stavning, Lemmatisering
• Bag Of Words, TF-IDF
• Textrengöring och implementering på Python
• Känslighetsanalys
• Entitetsigenkänning
• Exempel

Modul 6 - Azure Machine Learning

• Skapa regressionsmodell på Azure ML Studio
• Skapa klassificeringsmodell på Azure ML Studio