Przejdź do głównej treści
SkillsBuild

Uczenie maszynowe dla projektów data science

Wstęp

Szybki rozwój sztucznej inteligencji w biznesie stwarza z jednej strony bezprecedensowe możliwości, a z drugiej ryzyko narażenia na ryzyko prawne. Nowa fala profesjonalistów zaznajomionych z technikami Data Science, ML i AI odgrywa kluczową rolę w pomaganiu przedsiębiorstwom w poruszaniu się po tych niezbadanych wodach.

IBM SkillsBuild dla środowisk akademickich
Kurs samodzielny

Dowiedz się więcej
Data science E-learning Uczenie maszynowe dla projektów Data science

Poszukujący pracy

Uzyskaj wgląd w to, jak korzystać z niskokodowych technologii sztucznej inteligencji i uczenia maszynowego, aby zautomatyzować część metodologii nauki o danych i dołączyć do fali nowych specjalistów z dostępem do milionów ofert pracy dostępnych na rynku.

Szukasz lepszej pracy?

Korzystaj z zaawansowanych metod i narzędzi Data Science, wykorzystując nauki statystyczne, technologie uczenia maszynowego i zbiory danych specyficzne dla branży, aby wdrażać unikalne modele danych, które mogą rozwiązywać trudne problemy we wszystkich branżach.

Cele

Ten kurs wprowadza zaawansowane tematy kluczowe dla zawodu Data Science.

Zakres

  • Modelowanie danych
  • Uczenie maszynowe
  • Głębokie uczenie
  • Przypadki użycia w świecie rzeczywistym.

Efekty kształcenia:

  • Zrozumienie zastosowania automatyzacji AI w celu przyspieszenia cyklu życia zarządzania modelem danych
  • Zrozumienie zasad algebry liniowej dla uczenia maszynowego
  • Zrozumienie różnych technik modelowania
  • Zrozumienie technik walidacji i wyboru modelu
  • Komunikowanie wyników, przekładanie wiedzy na wartość biznesową
  • Wykazanie w projekcie umiejętności testowania różnych modeli na zbiorze danych, walidacji i wyboru najlepszego modelu oraz przekazania wyników.
  • Praktyczne doświadczenie w pracy z IBM AutoAI i IBM Watson Visual Recognition
  • Zrozum wewnętrzną dynamikę firmy ubezpieczeniowej i wykorzystaj Data science i AI do poprawy wyników biznesowych.

Doświadczenie kursu

O tym kursie

Ten kurs jest podzielony na dwa poziomy ćwiczeń. Każdy poziom obejmuje bardziej zaawansowane tematy i opiera się na koncepcjach, praktyce i umiejętnościach omówionych na poprzednich poziomach praktyki.

Poziom 1 - Modelowanie danych i uczenie maszynowe

Zaawansowana analiza danych dzięki zastosowaniu uczenia maszynowego.

  1. 1. Modelowanie danych*.
  2. 2. Algorytmy uczenia maszynowego*.

Poziom 2 - automatyzacja nauki o danych AI

Automatyzacja procesu zarządzania modelami danych przy użyciu zaawansowanych narzędzi AI.

  1. 1. Przewidywanie oszustw z wykorzystaniem AutoAI(interaktywne studium przypadku)
  2. 2. Wykrywanie oszustw z wykorzystaniem rozpoznawania wizualnego (interaktywne studium przypadku)

*W zależności od obecnego poziomu wiedzy, dokładne zrozumienie tych pojęć może wymagać dodatkowej samodzielnej nauki w zakresie zaawansowanych metod i algorytmów statystycznych

Wymagania wstępne

Umiejętności, które musisz posiadać przed przystąpieniem do tej oferty kursów:

Ukończ kurs Enterprise Data science in practice z serii Data Science Practitioner.

Alternatywnie, wymagana będzie wcześniejsza wiedza i umiejętności w zakresie następujących tematów:

  • Skład i praca zespołu Data science, w tym różne role, procesy i narzędzia
  • Kluczowe pojęcia i metody statystyczne niezbędne do znajdowania struktury w danych i tworzenia prognoz
  • Metodyki data science: (a) scharakteryzować problem biznesowy; (b) sformułować hipotezę; (c) zademonstrować zastosowanie metodyk w cyklu analitycznym; (d) zaplanować wykonanie.
  • Konstruowanie użytecznych zestawów danych poprzez identyfikację i gromadzenie wymaganych danych oraz manipulowanie, przekształcanie i czyszczenie danych; wykazywanie umiejętności radzenia sobie z anomaliami danych, takimi jak brakujące wartości, wartości skrajne, dane niezrównoważone oraz normalizacja danych
  • Praktyczne doświadczenie z IBM Watson Studio, Data Refinery Spark, Jupyter Notebooks i bibliotekami Python
  • Wizualizacja analiz statystycznych, identyfikacja wzorców i skuteczne przekazywanie wyników sponsorom wykonawczym w celu podejmowania decyzji biznesowych.

Legitymacja cyfrowa

Pośrednik

Uczenie maszynowe dla projektów Data Science

Uczenie maszynowe dla projektów Data Science

Zobacz odznakę

O tej odznace

Ten uczestnik ukończył wszystkie działania edukacyjne zawarte w tym doświadczeniu edukacyjnym online związane z zaawansowanymi tematami kluczowymi dla zawodu nauki o danych, w tym technikami modelowania danych; uczeniem maszynowym; algorytmami głębokiego uczenia; automatyzacją nauki o danych; demonstracją zastosowania zaawansowanych umiejętności w dziedzinie nauki o danych poprzez odgrywanie ról krytycznych w zespole nauki o danych przy użyciu najnowszych narzędzi AI do analizy / automatyzacji w celu rozwiązywania rzeczywistych problemów.

Umiejętności

AI automation, AI-on-AI, AutoAI, Data modeling, Data science, Feature engineering, Fraud analytics, Hyperparameter optimization, Machine learning, ML algorithms, Model deployment, Model training, Visual recognition.

Kryteria

  • Musi wziąć udział w szkoleniu w szkole wyższej realizującej program IBM Skills Academy.
  • Musi ukończyć samodzielne ćwiczenia w ramach kursu online oraz testy sprawdzające wiedzę, potwierdzające zrozumienie poruszanych tematów.