Neural Networks: Essentials

Kód kurzu: INTN35

Tato část není lokalizována

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 lektoři

Mezinárodně
uznávané certifikace

Široká nabídka technických
a soft skills kurzů

Skvělý zákaznický
servis

Přizpůsobení kurzů
přesně na míru

Termíny kurzu

Počáteční datum: Na vyžádání

Forma: E-learning

Délka kurzu: 21 hodin

Jazyk: en

Cena bez DPH: 18 000 Kč

Registrovat

Počáteční datum: Na vyžádání

Forma: Na vyžádání

Délka kurzu: 10h 30min

Jazyk: en

Cena bez DPH: 30 000 Kč

Registrovat

Počáteční
datum
Místo
konání
Forma Délka
kurzu
Jazyk Cena bez DPH
Na vyžádání E-learning 21 hodin en 18 000 Kč Registrovat
Na vyžádání Na vyžádání 10h 30min en 30 000 Kč Registrovat
G Garantovaný kurz

Nenašli jste vhodný termín?

Napište nám o vypsání alternativního termínu na míru.

Kontakt

Cílová skupina

Tato část není lokalizována

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

Struktura kurzu

Tato část není lokalizována

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)

Předpokládané znalosti

Tato část není lokalizována

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.
  • Potřebujete poradit nebo upravit kurz na míru?

    onas

    produktová podpora

    Platební brána ComGate Logo MasterCard Logo Visa