Aprendizagem de máquinas para projetos de ciência de dados
Introdução
O rápido crescimento da IA nos negócios apresenta oportunidades sem precedentes, por um lado, e o risco de exposição legal, por outro. A nova onda de profissionais familiarizados com as técnicas de ciência de dados, ML e IA desempenha um papel fundamental para ajudar as empresas a navegar por essas águas desconhecidas.
IBM SkillsBuild para a Academia
Curso autogerido
Em busca de um emprego?
Obtenha insights sobre como usar tecnologias de baixo código de IA e aprendizado de máquina para automatizar parte da metodologia de ciência de dados e junte-se a uma onda de novos profissionais com acesso a milhões de empregos disponíveis no mercado.
Procurando por um trabalho melhor?
Use métodos e ferramentas avançados de ciência de dados, aproveitando ciências estatísticas, tecnologias de aprendizado de máquina e conjuntos de dados específicos do setor para implementar modelos de dados exclusivos que possam resolver problemas desafiadores em todos os setores.
Objetivos
Este curso apresenta tópicos avançados essenciais para a profissão de ciência de dados.
Escopo
- Modelagem de dados
- Aprendizagem da máquina
- Aprendizado profundo
- Casos de uso no mundo real.
Resultados da aprendizagem:
- Compreender o uso da automação AI para acelerar o ciclo de vida do gerenciamento do modelo de dados
- Compreensão dos princípios de álgebra linear para a aprendizagem de máquinas
- Compreensão de diferentes técnicas de modelagem
- Compreensão das técnicas de validação e seleção de modelos
- Comunicar resultados traduzindo a percepção em valor comercial
- Demonstrar através de um projeto a capacidade de testar diferentes modelos em um conjunto de dados, validar e selecionar o melhor modelo, e comunicar os resultados
- Experiência prática no IBM AutoAI, e no IBM Watson Visual Recognition
- Compreender a dinâmica interna de uma companhia de seguros de automóveis e usar a ciência dos dados e a IA para melhorar os resultados comerciais.
Experiência do curso
Sobre este curso
Este curso é dividido em dois níveis de prática. Cada nível abrange tópicos mais avançados e se baseia nos conceitos, na prática e nas habilidades abordadas nos níveis de prática anteriores.
Nível 1 - Modelagem de dados e aprendizagem de máquinas
Análise avançada de dados por meio da adoção do aprendizado de máquina.
- 1. Modelagem de dados*
- 2. Algoritmos de aprendizagem de máquinas*
Nível 2 - Automatização da ciência dos dados AI
Automatize o processo de gerenciamento do modelo de dados usando ferramentas avançadas de IA.
- 1. Prever fraude usando AutoAI(estudo de caso interativo)
- 2. Detecção de fraude usando o Reconhecimento Visual (estudo de caso interativo)
*Dependendo de seu nível de especialização atual, uma compreensão completa destes conceitos pode requerer auto-estudo adicional sobre métodos estatísticos e algoritmos avançados
Pré-requisitos
Habilidades que você deve ter antes de se juntar a este curso:
Conclua o curso Enterprise Data science in practice da série Data Science Practitioner.
Como alternativa, você precisará de conhecimentos e habilidades prévios sobre os seguintes tópicos:
- A composição e o trabalho de uma equipe de ciência de dados, incluindo as diferentes funções, processos e ferramentas
- Conceitos e métodos estatísticos-chave essenciais para encontrar estrutura nos dados e fazer previsões
- Metodologias da ciência dos dados: (a) Caracterizar um problema empresarial; (b) Formular uma hipótese; (c) Demonstrar o uso de metodologias no ciclo analítico; (d) Plano de execução
- Construir conjuntos de dados utilizáveis identificando e coletando os dados necessários e manipulando, transformando e limpando os dados; demonstrando a capacidade de lidar com anomalias de dados, tais como valores ausentes, aberrações, dados desequilibrados e normalização de dados
- Experiência prática com IBM Watson Studio, Data Refinery Spark, Jupyter Notebooks, e bibliotecas Python
- Visualizar análises estatísticas, identificar padrões e comunicar efetivamente os resultados aos patrocinadores executivos para a tomada de decisões orientadas para os negócios.
Credencial digital
Intermediário
Aprendizagem de máquinas para projetos de ciência de dados
Veja o cracháSobre este crachá
Esse aluno concluiu todas as atividades de aprendizagem incluídas nessa experiência de aprendizagem on-line relacionadas a tópicos avançados essenciais para a profissão de ciência de dados, incluindo Técnicas de modelagem de dados; Aprendizagem de máquina; Algoritmos de aprendizagem profunda; Automação de ciência de dados; Demonstração da aplicação de habilidades avançadas no campo da ciência de dados, desempenhando funções críticas em uma equipe de ciência de dados usando as mais recentes ferramentas de IA para análise/automação para resolver problemas reais.
Habilidades
Automação de IA, IA sobre IA, AutoAI, Modelagem de dados, Ciência de dados, Engenharia de recursos, Análise de fraudes, Otimização de hiperparâmetros, Aprendizado de máquina, Algoritmos de ML, Implementação de modelos, Treinamento de modelos e Reconhecimento visual.
Critérios
- Deve participar de uma sessão de treinamento em uma instituição de ensino superior implementando o programa da IBM Skills Academy.
- Deve ter completado as atividades do curso online, e as verificações de conhecimento validando a compreensão dos tópicos abordados.