למידת מכונה לפרויקטים של מדעי הנתונים
מבוא
צמיחה מהירה של AI בעסקים מציגה הזדמנויות חסרות תקדים מצד אחד ואת הסיכון של חשיפה משפטית מצד שני. הגל החדש של אנשי מקצוע הבקיאים במדעי הנתונים, ML וטכניקות AI, ממלאים תפקיד מרכזי בסיוע לארגונים לנווט במים לא נודעים אלה.
מיומנויות IBMבנייה לאקדמיה
קורס בקצב עצמי
מחפש עבודה?
קבל תובנות כיצד להשתמש בטכנולוגיות AI ולמידת מכונה עם קידוד מועט כדי להפוך חלק ממתודולוגיית מדעי הנתונים לאוטומטית והצטרף לגל של אנשי מקצוע חדשים עם גישה למיליוני משרות זמינות בשוק.
מחפשים עבודה טובה יותר?
השתמש בשיטות ובכלים מתקדמים של מדעי הנתונים, תוך מינוף מדעים סטטיסטיים, טכנולוגיות למידת מכונה ומערכי נתונים ספציפיים לתעשייה, כדי ליישם מודלי נתונים ייחודיים שיכולים לפתור בעיות מאתגרות בכל התעשיות.
מטרות
קורס זה מציג נושאים מתקדמים בליבת מקצוע מדעי הנתונים.
היקף
- מידול נתונים
- למידת מכונה
- למידה עמוקה
- מקרי שימוש בעולם האמיתי.
תוצאות הלמידה:
- הבן את השימוש באוטומציית AI כדי להאיץ את מחזור החיים של ניהול מודל הנתונים
- הבנה של עקרונות אלגברה ליניארית עבור למידת מכונה
- הבנה של טכניקות מידול שונות
- הבנה של טכניקות אימות ובחירה של מודלים
- הצג תוצאות המתרגמות תובנות לערך עסקי
- הדגם באמצעות פרוייקט את היכולת לבדוק מודלים שונים בערכת נתונים, לאמת ולבחור את המודל הטוב ביותר ולהעביר תוצאות
- ניסיון מעשי ב- IBM AutoAI ובזיהוי חזותי של IBM Watson
- הבן את הדינמיקה הפנימית של חברת ביטוח רכב והשתמש במדעי הנתונים ובבינה מלאכותית כדי לשפר את התוצאות העסקיות.
התנסות בקורס
אודות הקורס
קורס זה מחולק לשתי רמות תרגול. כל רמה מכסה נושאים מתקדמים יותר ובונה על גבי המושגים, התרגול והמיומנויות שטופלו ברמות התרגול הקודמות.
רמה 1 – מידול נתונים ולמידת מכונה
ניתוח נתונים מתקדם באמצעות אימוץ למידת מכונה.
- 1. מידול נתונים*
- 2. אלגוריתמים של למידת מכונה*
רמה 2 – אוטומציה של מדעי הנתונים של AI
הפוך את תהליך ניהול מודל הנתונים לאוטומטי באמצעות כלי AI מתקדמים.
- 1. לחזות הונאה באמצעות AutoAI (מקרה בוחן אינטראקטיבי)
- 2. זיהוי הונאה באמצעות זיהוי חזותי (מקרה בוחן אינטראקטיבי)
*בהתאם לרמת המומחיות הנוכחית שלך, הבנה מעמיקה של מושגים אלה עשויה לדרוש לימוד עצמי נוסף על שיטות סטטיסטיות מתקדמות ואלגוריתמים
דרישות מוקדמות
מיומנויות שעליך להיות לפני שתצטרף לקורס זה מציעות:
השלם את הקורס Enterprise Data Science in Practice מסדרת Data Science Practitioner.
לחלופין, תזדקק לידע ומיומנויות מוקדמות בנושאים הבאים:
- הרכב ועבודה של צוות מדעי הנתונים, כולל התפקידים, התהליכים והכלים השונים
- מושגים ושיטות סטטיסטיים מרכזיים החיוניים למציאת מבנה בנתונים ולביצוע תחזיות
- מתודולוגיות מדעי הנתונים: (א) לאפיין בעיה עסקית; (ב) לנסח השערה; (ג) להדגים את השימוש במתודולוגיות במחזור הניתוח; (ד) תכנית לביצוע
- לבנות מערכי נתונים שמישים על-ידי זיהוי ואיסוף הנתונים הנדרשים, וכן מניפולציה, שינוי וניקוי של הנתונים; הפגנת היכולת להתמודד עם חריגות נתונים כגון ערכים חסרים, חריגות, נתונים לא מאוזנים ונורמליזציה של נתונים
- התנסות מעשית עם IBM Watson Studio, Data Refinery Spark, מחברות Jupyter וספריות Python
- הצג באופן חזותי ניתוחים סטטיסטיים, זהה דפוסים והעבר ביעילות ממצאים לנותני חסות בכירים לצורך קבלת החלטות מונחית עסקים.
אישור דיגיטלי
ביניים
למידת מכונה עבור פרויקטים של מדעי הנתונים
ראה תגאודות תג זה
מפרנס זה השלים את כל פעילויות הלמידה הכלולות בחוויית למידה מקוונת זו הקשורות לנושאים מתקדמים בליבת מקצוע מדעי הנתונים, כולל טכניקות מידול נתונים; למידת מכונה; אלגוריתמים של למידה עמוקה; אוטומציה של מדעי הנתונים; הדגמה של יישום מיומנויות מתקדמות בתחום מדעי הנתונים על ידי מילוי תפקידים קריטיים בצוות מדעי נתונים באמצעות כלי AI עדכניים לניתוח / אוטומציה כדי לטפל בבעיות אמיתיות.
מיומנויות
אוטומציית AI, AI-on-AI, AutoAI, מידול נתונים, מדעי נתונים, הנדסת תכונות, ניתוח הונאות, אופטימיזציה של היפר-פרמטרים, למידת מכונה, אלגוריתמי ML, פריסת מודלים, הדרכת מודלים וזיהוי חזותי.
קריטריונים
- חייבים להשתתף במפגש הכשרה במוסד להשכלה גבוהה המיישם את תוכנית האקדמיה למיומנויות של יבמ.
- חייב להשלים את פעילויות הקורס המקוון בקצב עצמי, ובדיקות ידע המאמתות את ההבנה של הנושאים המכוסים.