Перейти к основному содержанию
SkillsBuild

Машинное обучение для проектов в области науки о данных

Введение

Стремительное развитие искусственного интеллекта в бизнесе открывает беспрецедентные возможности, с одной стороны, и несет риск юридических последствий, с другой. Новая волна профессионалов, владеющих технологиями Data science, ML и AI, играет ключевую роль в оказании помощи предприятиям в навигации по этим неизведанным водам.

IBM SkillsBuild для академических кругов
Самостоятельный курс

Узнать больше
Наука о данных Электронное обучение Машинное обучение для проектов по науке о данных

Ищете работу?

Получите представление о том, как использовать технологии искусственного интеллекта и машинного обучения с низким уровнем кодирования для автоматизации части методологии Data science, и присоединитесь к волне новых профессионалов, получив доступ к миллионам вакансий, доступных на рынке.

Ищете лучшую работу?

Использовать передовые методы и инструменты Data science, применяя статистические науки, технологии машинного обучения и отраслевые наборы данных, для реализации уникальных моделей данных, позволяющих решать сложные задачи во всех отраслях.

Цели

Данный курс знакомит с передовыми темами, являющимися ключевыми для профессии Data science.

Область применения

  • Моделирование данных
  • Машинное обучение
  • Глубокое обучение
  • Реальные примеры использования.

Результаты обучения:

  • Понимание использования автоматизации ИИ для ускорения жизненного цикла управления моделью данных
  • Понимание принципов линейной алгебры для машинного обучения
  • Понимание различных методов моделирования
  • Понимание методов валидации и выбора моделей
  • Сообщать о результатах, переводя понимание в ценность для бизнеса
  • Продемонстрировать на примере проекта способность тестировать различные модели на наборе данных, проверять и выбирать лучшую модель, а также сообщать о результатах.
  • Практический опыт работы с IBM AutoAI и IBM Watson Visual Recognition
  • Поймите внутреннюю динамику компании автострахования и используйте науку о данных и искусственный интеллект для улучшения бизнес-результатов.

Опыт прохождения курса

Об этом курсе

Данный курс состоит из двух практических уровней. Каждый уровень охватывает более сложные темы и основывается на концепциях, практике и навыках, рассмотренных в предыдущих уровнях.

Уровень 1 - моделирование данных и машинное обучение

Расширенная аналитика данных за счет внедрения машинного обучения.

  1. 1. Моделирование данных*
  2. 2. Алгоритмы машинного обучения*

Уровень 2 - автоматизация ИИ науки о данных

Автоматизация процесса управления моделями данных с помощью современных средств искусственного интеллекта.

  1. 1. Предсказание мошенничества с помощью AutoAI (интерактивный пример)
  2. 2. Обнаружение мошенничества с помощью визуального распознавания (интерактивный пример)

*В зависимости от вашего текущего уровня знаний, глубокое понимание этих концепций может потребовать дополнительного самостоятельного изучения передовых статистических методов и алгоритмов

Пререквизиты

Навыки, которыми вы должны обладать, прежде чем присоединиться к этому курсу:

Пройдите курс Enterprise Data science in practice из серии Data Science Practitioner.

Кроме того, вам потребуются предварительные знания и навыки по следующим темам:

  • Состав и работа команды специалистов по науке о данных, включая различные роли, процессы и инструменты
  • Ключевые статистические понятия и методы, необходимые для поиска структуры в данных и составления прогнозов
  • Методологии науки о данных: (a) характеристика бизнес-проблемы; (b) формулирование гипотезы; (c) демонстрация использования методологий в аналитическом цикле; (d) планирование исполнения
  • Создавать пригодные для использования наборы данных путем определения и сбора необходимых данных, манипулирования, преобразования и очистки данных; демонстрировать способность работать с аномалиями данных, такими как пропущенные значения, выбросы, несбалансированные данные и нормализация данных.
  • Практический опыт работы с IBM Watson Studio, Data Refinery Spark, Jupyter Notebooks и библиотеками Python
  • Визуализация статистического анализа, выявление закономерностей и эффективное доведение полученных результатов до исполнительных спонсоров для принятия решений на основе бизнеса.

Цифровое удостоверение

Промежуточный

Машинное обучение для проектов в области науки о данных

Машинное обучение для проектов в области науки о данных

Видеть значок

Об этом бейдже

Этот участник выполнил все учебные задания, включенные в этот онлайн-курс, связанные с передовыми темами, являющимися основой профессии специалиста по науке о данных, включая методы моделирования данных; машинное обучение; алгоритмы глубокого обучения; автоматизацию науки о данных; демонстрацию применения передовых навыков в области науки о данных путем ролевого исполнения важнейших ролей в команде специалистов по науке о данных с использованием новейших инструментов ИИ для аналитики/автоматизации для решения реальных проблем.

Навыки

Автоматизация ИИ, ИИ-на-АИ, AutoAI, Data modeling, Data science, Feature engineering, Fraud analytics, Hyperparameter optimization, Machine learning, ML algorithms, Model deployment, Model training и Visual recognition.

Критерии

  • Должен пройти обучение в высшем учебном заведении, реализующем программу IBM Skills Academy.
  • Должен пройти самостоятельные занятия по онлайн-курсу и проверку знаний, подтверждающую понимание изученных тем.