Zum Hauptinhalt springen
SkillsBuild

Maschinelles Lernen für Daten wissenschaftliche Projekte

Einführung

Das rasante Wachstum der KI in der Wirtschaft birgt einerseits nie dagewesene Chancen und andererseits das Risiko rechtlicher Risiken. Die neue Welle von Fachleuten, die sich mit Datenwissenschaft, ML und KI-Techniken auskennen, spielt eine entscheidende Rolle dabei, Unternehmen bei der Navigation durch diese unbekannten Gewässer zu helfen.

IBM SkillsBuild für den akademischen Bereich
Selbstlernkurs

Mehr Informationen
Datenwissenschaft E-Learning Maschinelles Lernen für Datenwissenschaftliche Projekte

Suchen Sie einen Job?

Gewinnen Sie Einblicke in die Nutzung von Low-Code-Technologien für KI und maschinelles Lernen, um einen Teil der Data-Science-Methodik zu automatisieren, und schließen Sie sich einer Welle neuer Fachkräfte an, die Zugang zu Millionen von auf dem Markt verfügbaren Stellen haben.

Suchen Sie einen besseren Job?

Verwenden Sie fortschrittliche Data-Science-Methoden und -Tools, die statistische Wissenschaften, Technologien des maschinellen Lernens und branchenspezifische Datensätze nutzen, um einzigartige Datenmodelle zu implementieren, die anspruchsvolle Probleme in allen Branchen lösen können.

Zielsetzungen

Dieser Kurs führt in fortgeschrittene Themen ein, die für den Beruf des Datenwissenschaftlers von zentraler Bedeutung sind.

Umfang

  • Modellierung von Daten
  • Maschinelles Lernen
  • Tiefes Lernen
  • Anwendungsfälle aus der Praxis.

Lernergebnisse:

  • Den Einsatz von KI-Automatisierung zur Beschleunigung des Lebenszyklus der Datenmodellverwaltung verstehen
  • Verständnis der Grundsätze der linearen Algebra für maschinelles Lernen
  • Verständnis der verschiedenen Modellierungstechniken
  • Verständnis der Techniken zur Modellvalidierung und -auswahl
  • Ergebnisse kommunizieren und Erkenntnisse in Geschäftswert umsetzen
  • anhand eines Projekts die Fähigkeit zu demonstrieren, verschiedene Modelle an einem Datensatz zu testen, das beste Modell zu validieren und auszuwählen und die Ergebnisse zu kommunizieren
  • Praktische Erfahrung mit IBM AutoAI und IBM Watson Visual Recognition
  • Verstehen Sie die innere Dynamik eines Autoversicherungsunternehmens und nutzen Sie Data Science und KI, um die Geschäftsergebnisse zu verbessern.

Kurserfahrung

Über diesen Kurs

Dieser Kurs ist in zwei Übungsstufen unterteilt. Jede Stufe deckt fortgeschrittenere Themen ab und baut auf den Konzepten, Übungen und Fähigkeiten auf, die in den vorangegangenen Übungsstufen behandelt wurden.

Stufe 1 - Datenmodellierung und maschinelles Lernen

Fortgeschrittene Datenanalyse durch den Einsatz von maschinellem Lernen.

  1. 1. Datenmodellierung*
  2. 2. Algorithmen für maschinelles Lernen*

Stufe 2 - KI-Automatisierung der Datenwissenschaft

Automatisieren Sie den Prozess der Datenmodellverwaltung mithilfe fortschrittlicher KI-Tools.

  1. 1. Betrugsvorhersage mit AutoAI (interaktive Fallstudie)
  2. 2. Betrugserkennung mit visueller Erkennung (interaktive Fallstudie)

*Je nach Ihrem derzeitigen Wissensstand kann ein gründliches Verständnis dieser Konzepte ein zusätzliches Selbststudium fortgeschrittener statistischer Methoden und Algorithmen erfordern

Voraussetzungen

Fähigkeiten, die Sie vor der Teilnahme an diesem Kursangebot haben müssen:

Absolvieren Sie den Kurs Enterprise Data Science in der Praxis aus der Data Science Practitioner-Reihe.

Alternativ können Sie auch Vorkenntnisse und Fähigkeiten zu den folgenden Themen mitbringen:

  • Die Zusammensetzung und Arbeitsweise eines Data Science-Teams, einschließlich der verschiedenen Rollen, Prozesse und Tools
  • Wichtige statistische Konzepte und Methoden, die für das Auffinden von Strukturen in Daten und die Erstellung von Vorhersagen wichtig sind
  • Methoden der Datenwissenschaft: (a) Charakterisierung eines Geschäftsproblems; (b) Formulierung einer Hypothese; (c) Demonstration der Anwendung von Methoden im Analysezyklus; (d) Planung der Ausführung
  • Aufbau brauchbarer Datensätze durch Identifizierung und Erfassung der erforderlichen Daten sowie durch Manipulation, Umwandlung und Bereinigung der Daten; Nachweis der Fähigkeit, mit Datenanomalien wie fehlenden Werten, Ausreißern, unausgewogenen Daten und Datennormalisierung umzugehen
  • Praktische Erfahrung mit IBM Watson Studio, Data Refinery Spark, Jupyter Notebooks und Python-Bibliotheken
  • Visualisieren Sie statistische Analysen, erkennen Sie Muster und kommunizieren Sie die Ergebnisse effektiv an Führungskräfte, um geschäftsorientierte Entscheidungen zu treffen.

Digitaler Berechtigung Nachweis

Zwischenbericht

Maschinelles Lernen für datenwissenschaftliche Projekte

Maschinelles Lernen für datenwissenschaftliche Projekte

Siehe Plakette

Über dieses Abzeichen

Dieser Teilnehmer hat alle Lernaktivitäten in diesem Online-Lernprogramm absolviert, die sich auf fortgeschrittene Themen beziehen, die für den Beruf des Datenwissenschaftlers von zentraler Bedeutung sind, einschließlich Datenmodellierungstechniken, maschinelles Lernen, Deep-Learning-Algorithmen, Automatisierung der Datenwissenschaft, Demonstration der Anwendung fortgeschrittener Fähigkeiten im Bereich der Datenwissenschaft durch Rollenspiele in einem Datenwissenschaftsteam, das die neuesten KI-Tools für die Analyse/Automatisierung zur Lösung realer Probleme einsetzt.

Fertigkeiten

KI-Automatisierung, KI-on-KI, AutoAI, Datenmodellierung, Datenwissenschaft, Feature-Engineering, Betrugsanalyse, Hyperparameter-Optimierung, maschinelles Lernen, ML-Algorithmen, Modellbereitstellung, Modelltraining und visuelle Erkennung.

Kriterien

  • Muss an einer Schulungsveranstaltung an einer Hochschuleinrichtung teilnehmen, die das IBM Skills Academy Programm durchführt.
  • Sie müssen die Online-Kursaktivitäten zum Selbststudium und die Wissenstests zur Überprüfung des Verständnisses der behandelten Themen abgeschlossen haben.