隨著圖像識別、語音識別、自然語言處理等人工智能技術(shù)在智能硬件、教育、醫(yī)療、自動駕駛等領(lǐng)域的廣泛應(yīng)用，帶給人們生活無處不在的便捷與高效，而在這些成熟的人工智能技術(shù)背后，大部分便是基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法。

而K最近鄰、樸素貝葉斯、支持向量機和神經(jīng)網(wǎng)絡(luò)等常見的機器學(xué)習(xí)算法，在回歸和分類分析中也表現(xiàn)優(yōu)異，因此應(yīng)用十分廣泛。那么，

• 你了解這些機器學(xué)習(xí)算法背后的邏輯是什么？
  

• 你知道何時使用最適合的技術(shù)來解決問題？
  

• JMP的預(yù)測建模平臺能夠為用戶提供哪些支持？如何在JMP中開展預(yù)測建模？

11月18日14:00-15:00，JMP預(yù)測建模系列課程將迎來第二期：走進K最近鄰、樸素貝葉斯、支持向量機和神經(jīng)網(wǎng)絡(luò)的世界，打開全新的建模新天地。

此次課程是上期課程（以樹模型為核心的機器學(xué)習(xí)算法）的延續(xù)。本期將接著介紹K最近鄰、樸素貝葉斯、支持向量機和神經(jīng)網(wǎng)絡(luò)的基本概念、算法原理、重要參數(shù)和模型評估指標(biāo)等精華內(nèi)容。

JMP老師將通過現(xiàn)場案例演示，幫助大家更好地理解和掌握這些機器學(xué)習(xí)技術(shù)的基礎(chǔ)知識，實現(xiàn)在業(yè)務(wù)中的快速應(yīng)用。

圖片

課程大綱

K最近鄰

樸素貝葉斯

支持向量機

神經(jīng)網(wǎng)絡(luò)

JMP軟件學(xué)習(xí)渠道

問題與討論

1小時干貨內(nèi)容直播，掃描識別二維碼，直接報名：