Apprentissage automatique pour les projets de science des données
Introduction
La croissance rapide de l'IA dans les entreprises présente d'une part des opportunités sans précédent et d'autre part un risque d'exposition juridique. La nouvelle vague de professionnels maîtrisant la science des données, la ML et les techniques d'IA joue un rôle central en aidant les entreprises à naviguer dans ces eaux inexplorées.
IBM SkillsBuild pour le monde universitaire
Cours en autonomie
C'est votre premier job ?
Découvrez comment utiliser les technologies low-code d'IA et d'apprentissage automatique pour automatiser une partie de la méthodologie de la science des données et rejoignez une vague de nouveaux professionnels ayant accès à des millions d'emplois disponibles sur le marché.
Vous cherchez à améliorer votre poste ?
Utiliser des méthodes et des outils avancés de science des données, en s'appuyant sur les sciences statistiques, les technologies d'apprentissage automatique et les ensembles de données spécifiques à l'industrie, pour mettre en œuvre des modèles de données uniques permettant de résoudre des problèmes difficiles dans tous les secteurs d'activité.
Objectifs
Ce cours introduit des sujets avancés au cœur de la profession de la science des données.
Portée
- Modélisation des données
- Apprentissage automatique
- Apprentissage profond
- Cas d'utilisation dans le monde réel.
Résultats de l'apprentissage :
- Comprendre l'utilisation de l'automatisation de l'IA pour accélérer le cycle de vie de la gestion des modèles de données.
- Compréhension des principes de l'algèbre linéaire pour l'apprentissage automatique.
- Compréhension des différentes techniques de modélisation
- Compréhension des techniques de validation et de sélection des modèles
- Communiquer les résultats en traduisant les informations en valeur commerciale.
- Démontrer, par le biais d'un projet, la capacité de tester différents modèles sur un ensemble de données, de valider et de sélectionner le meilleur modèle, et de communiquer les résultats.
- Expérience pratique sur IBM AutoAI et IBM Watson Visual Recognition.
- Comprenez la dynamique interne d'une compagnie d'assurance automobile et utilisez la science des données et l'IA pour améliorer les résultats commerciaux.
Parcours
À propos de ce cours
Ce cours est divisé en deux niveaux de pratique. Chaque niveau couvre des sujets plus avancés et s'appuie sur les concepts, la pratique et les compétences abordés dans les niveaux de pratique précédents.
Niveau 1 - Modélisation des données et apprentissage automatique
Analyse avancée des données grâce à l'adoption de l'apprentissage automatique.
- 1. La modélisation des données*
- 2. Algorithmes d'apprentissage automatique*.
Niveau 2 - Automatisation de la science des données de l'IA
Automatiser le processus de gestion des modèles de données à l'aide d'outils d'IA avancés.
- 1. Prédire la fraude à l'aide d'AutoAI (étude de cas interactive)
- 2. Détection des fraudes à l'aide de la reconnaissance visuelle (étude de cas interactive)
*En fonction de votre niveau d'expertise actuel, une compréhension approfondie de ces concepts peut nécessiter un apprentissage autonome supplémentaire des méthodes et algorithmes statistiques avancés.
Conditions préalables
Les compétences que vous devez avoir avant de rejoindre cette offre de cours :
Suivre le cours Enterprise Data Science in Practice de la série Data Science Practitioner.
Par ailleurs, vous devrez avoir des connaissances et des compétences préalables dans les domaines suivants :
- La composition et le fonctionnement d'une équipe de Data science, notamment les différents rôles, processus et outils.
- Concepts et méthodes statistiques clés essentiels pour trouver la structure des données et faire des prédictions.
- Méthodologies de la science des données : (a) Caractériser un problème d'entreprise ; (b) Formuler une hypothèse ; (c) Démontrer l'utilisation des méthodologies dans le cycle analytique ; (d) Planifier l'exécution.
- Construire des ensembles de données utilisables en identifiant et en collectant les données requises, et en manipulant, transformant et nettoyant les données ; démontrer la capacité à traiter les anomalies de données telles que les valeurs manquantes, les valeurs aberrantes, les données non équilibrées et la normalisation des données.
- Expérience pratique avec IBM Watson Studio, Data Refinery Spark, Jupyter Notebooks et les bibliothèques Python.
- Visualiser les analyses statistiques, identifier les tendances et communiquer efficacement les résultats aux sponsors exécutifs pour une prise de décision axée sur les affaires.
Certificat numérique
Intermédiaire
Apprentissage automatique pour les projets de science des données
Voir badgeÀ propos de ce badge
Ce lauréat a réalisé toutes les activités d'apprentissage incluses dans cette expérience d'apprentissage en ligne liées à des sujets avancés au cœur de la profession de la science des données, notamment les techniques de modélisation des données, l'apprentissage automatique, les algorithmes d'apprentissage profond, l'automatisation de la science des données, la démonstration de l'application de compétences avancées dans le domaine de la science des données en jouant des rôles critiques au sein d'une équipe de science des données utilisant les derniers outils d'IA pour l'analyse/l'automatisation afin de répondre à des problèmes réels.
Compétences
Automatisation de l'IA, IA sur IA, AutoAI, Modélisation des données, Science des données, Ingénierie des fonctionnalités, Analyse des fraudes, Optimisation des hyperparamètres, Apprentissage automatique, Algorithmes ML, Déploiement des modèles, Entraînement des modèles et Reconnaissance visuelle.
Critères
- Doit participer à une session de formation dans un établissement d'enseignement supérieur qui propose le programme IBM Skills Academy.
- Doit avoir suivi les activités du cours en ligne en autonomie et les contrôles de connaissances validant la compréhension des sujets couverts.