Apprendimento automatico per progetti di scienza dei dati
Introduzione
La rapida crescita dell'IA nelle imprese presenta opportunità senza precedenti da un lato e il rischio di esposizione legale dall'altro. La nuova ondata di professionisti che conoscono le tecniche di Data science, ML e AI svolge un ruolo fondamentale nell'aiutare le imprese a navigare in queste acque inesplorate.
IBM SkillsBuild per il mondo accademico
Corso autogestito
Cercate un lavoro?
Approfondisci come utilizzare le tecnologie AI e Machine learning low-code per automatizzare parte della metodologia Data science e unisciti a un'ondata di nuovi professionisti con accesso a milioni di posti di lavoro disponibili sul mercato.
Cercate un lavoro migliore?
Utilizzare metodi e strumenti avanzati di scienza dei dati, sfruttando le scienze statistiche, le tecnologie di apprendimento automatico e i set di dati specifici del settore, per implementare modelli di dati unici in grado di risolvere problemi impegnativi in tutti i settori.
Obiettivi
Questo corso introduce argomenti avanzati fondamentali per la professione di Data Science.
Ambito di applicazione
- Modellazione dei dati
- Apprendimento automatico
- Apprendimento profondo
- Casi d'uso reali.
Risultati di apprendimento:
- Comprendere l'uso dell'automazione dell'intelligenza artificiale per accelerare il ciclo di vita della gestione dei modelli di dati.
- Comprensione dei principi dell'algebra lineare per l'apprendimento automatico
- Comprensione delle diverse tecniche di modellazione
- Comprensione delle tecniche di validazione e selezione dei modelli
- Comunicare i risultati traducendo gli insight in valore aziendale
- Dimostrare attraverso un progetto la capacità di testare diversi modelli su un insieme di dati, validare e selezionare il modello migliore e comunicare i risultati.
- Esperienza pratica su IBM AutoAI e IBM Watson Visual Recognition
- Comprendere le dinamiche interne di una compagnia di assicurazioni auto e utilizzare la scienza dei dati e l'intelligenza artificiale per migliorare i risultati aziendali.
Esperienza del corso
Informazioni su questo corso
Questo corso è suddiviso in due livelli di pratica. Ogni livello affronta argomenti più avanzati e si basa sui concetti, la pratica e le abilità affrontate nei livelli di pratica precedenti.
Livello 1 - Modellazione dei dati e apprendimento automatico
Analisi avanzata dei dati attraverso l'adozione del Machine Learning.
- 1. Modellazione dei dati*
- 2. Algoritmi di apprendimento automatico
Livello 2 - Automazione della scienza dei dati AI
Automatizzare il processo di gestione dei modelli di dati utilizzando strumenti avanzati di intelligenza artificiale.
- 1. Prevedere le frodi con l'AutoAI (caso di studio interattivo)
- 2. Rilevamento delle frodi mediante riconoscimento visivo (caso di studio interattivo)
*A seconda del livello di competenza attuale, una comprensione approfondita di questi concetti può richiedere un ulteriore studio autonomo di metodi e algoritmi statistici avanzati.
Prerequisiti
Competenze da possedere prima di partecipare a questo corso:
Completate il corso Enterprise Data science in practice della serie Data Science Practitioner.
In alternativa, è necessario avere conoscenze e competenze pregresse sui seguenti argomenti:
- La composizione e il funzionamento di un team di Data Science, compresi i diversi ruoli, processi e strumenti.
- Concetti e metodi statistici fondamentali per individuare la struttura dei dati e fare previsioni.
- Metodologie della scienza dei dati: (a) caratterizzare un problema aziendale; (b) formulare un'ipotesi; (c) dimostrare l'uso delle metodologie nel ciclo di analisi; (d) pianificare l'esecuzione.
- Costruire insiemi di dati utilizzabili identificando e raccogliendo i dati necessari, manipolandoli, trasformandoli e pulendoli; dimostrare la capacità di gestire le anomalie dei dati, come i valori mancanti, gli outlier, i dati non bilanciati e la normalizzazione dei dati.
- Esperienza pratica con IBM Watson Studio, Data Refinery Spark, Jupyter Notebooks e librerie Python.
- Visualizzare l'analisi statistica, identificare i modelli e comunicare efficacemente i risultati agli sponsor esecutivi per prendere decisioni orientate al business.
Credenziale digitale
Intermedio
Apprendimento automatico per progetti di scienza dei dati
Vedere il badgeA proposito di questo distintivo
Questo studente ha completato tutte le attività di apprendimento incluse in questa esperienza di apprendimento online relative ad argomenti avanzati fondamentali per la professione della scienza dei dati, tra cui Tecniche di modellazione dei dati; Apprendimento automatico; Algoritmi di apprendimento profondo; Automazione della scienza dei dati; dimostrazione dell'applicazione di competenze avanzate nel campo della scienza dei dati attraverso il ruolo critico in un team di scienza dei dati che utilizza i più recenti strumenti di intelligenza artificiale per l'analisi / automazione per risolvere problemi reali.
Competenze
Automazione dell'intelligenza artificiale, AI-on-AI, AutoAI, Modellazione dei dati, Scienza dei dati, Ingegneria delle caratteristiche, Analisi delle frodi, Ottimizzazione degli iperparametri, Apprendimento automatico, Algoritmi di ML, Distribuzione dei modelli, Formazione dei modelli e Riconoscimento visivo.
Criteri
- Deve partecipare a una sessione di formazione presso un istituto di istruzione superiore che attua il programma IBM Skills Academy.
- Deve aver completato le attività del corso online autogestito e i controlli di conoscenza che convalidano la comprensione degli argomenti trattati.