Neural Networks: Essentials

Kód kurzu: INTN35

Táto časť nie je lokalizovaná

This course combines theory and practice to immerse you in the core concepts of neural network models and the essential practices of real-world application. During the course, you programmatically build a neural network and discover how to adjust the model’s essential parameters to solve different types of business challenges. You implement early stopping, build autoencoders for a predictive model, and perform an intelligent automatic search of the model hyperparameter values. The last lesson introduces deep learning. You gain hands-on practice building neural networks in SAS 9.4 and the cutting-edge, cloud-enabled in-memory analytics engine for big data analytics, SAS Viya.

The self-study e-learning includes:

  • Annotatable course notes in PDF format.
  • Virtual lab time to practice.

Odborní
certifikovaní lektori

Mezinárodne
uznávané certifikácie

Široká ponuka technických
a soft skills kurzov

Skvelý zákaznicky
servis

Prispôsobenie kurzov
presne na mieru

Termíny kurzov

Počiatočný dátum: Individuálny

Forma: E-learning

Dĺžka kurzu: 21 hodín

Jazyk: en

Cena bez DPH: 720 EUR

Registrovať

Počiatočný dátum: Individuálny

Forma: Individuálna

Dĺžka kurzu: 10h 30min

Jazyk: en

Cena bez DPH: 1 200 EUR

Registrovať

Počiatočný
dátum
Miesto
konania
Forma Dĺžka
kurzu
Jazyk Cena bez DPH
Individuálny E-learning 21 hodín en 720 EUR Registrovať
Individuálny Individuálna 10h 30min en 1 200 EUR Registrovať
G Garantovaný kurz

Nenašli ste vhodný termín?

Napíšte nám o vypísanoe alternatívneho termínu na mieru.

Kontakt

Cieľová skupina

Táto časť nie je lokalizovaná

Those interested in learning about neural networks, general machine learning and data science techniques, and SAS software

Štruktúra kurzu

Táto časť nie je lokalizovaná

Neural Networks: Essentials

  • Introduction.
  • Multilayer perceptrons.
  • Neural network modeling paradigm.
  • Using a surrogate model to interpret neural network predictions.
  • Other considerations.

Neural Network Details

  • Parameter estimation.
  • Numerical optimization methods.
  • Regularization.
  • Unbalanced data.
  • SAS search optimizations (self-study).

Tuning a Neural Network

  • Selecting hyperparameters with autotuning.

Introduction to Deep Learning

  • Introduction to deep learning.
  • Autoencoders.

Radial Basis Function Networks (Self-Study)

Predpokladané znalosti

Táto časť nie je lokalizovaná

Before taking this course, you should have the following:
  • Some familiarity with programming in SAS or SQL (or both).
  • An understanding of predictive modeling.
  • A basic understanding of calculus.
  • Potrebujete poradiť alebo upraviť kurz na mieru?

    pruduktová podpora