數據科學項目的機器學習
介紹
人工智慧在商業領域的快速增長一方面帶來了前所未有的機遇，另一方面也帶來了法律風險。熟悉數據科學、機器學習和人工智慧技術的新一波專業人士在幫助企業駕馭這些未知領域方面發揮著關鍵作用。
IBM SkillsBuild 對於學術界
自定進度課程
你正在找工作嗎？
深入瞭解如何使用 AI 和機器學習低代碼技術來自動化部分數據科學方法，並加入一波新的專業人士的行列，獲得市場上數百萬個工作崗位。
尋找更好的工作？
使用先進的數據科學方法和工具，利用統計科學、機器學習技術和行業特定的數據集，實施獨特的資料模型，以解決所有行業的挑戰性問題。
目標
本課程介紹數據科學專業的核心高級主題。
範圍
- 數據建模
- 機器學習
- 深度學習
- 真實用例。
學習成果：
- 瞭解如何使用 AI 自動化加速數據模型管理生命週期
- 了解機器學習的線性代數原理
- 瞭解不同的建模技術
- 瞭解模型驗證和選擇技術
- 傳達結果，將洞察轉化為業務價值
- 通過專案展示在數據集上測試不同模型、驗證和選擇最佳模型以及傳達結果的能力
- IBM AutoAI 和 IBM Watson Visual Recognition 的實踐經驗
- 瞭解汽車保險公司的內在動態，並使用數據科學和人工智慧來改善業務成果。
課程經歷
關於本課程
本課程分為兩個練習級別。每個級別都涵蓋更高級的主題，並在以前的實踐級別中解決的概念、實踐和技能之上建立。
級別 1 — 資料建模和機器學習
通過採用機器學習進行高級數據分析。
- 1. 資料建模*
- 2. 機器學習演算法*
級別 2 — AI 數據科學自動化
使用高級 AI 工具自動執行數據模型管理流程。
- 1. 使用 AutoAI 預測欺詐（互動式案例研究）
- 2. 使用視覺識別進行欺詐檢測（互動式案例研究）
*根據您當前的專業知識水準，對這些概念的透徹理解可能需要對高級統計方法和演算法進行額外的自學
先決條件
在加入本課程之前您必須具備的技能：
完成數據科學從業者系列中的企業數據科學實踐課程。
或者，您將需要以下主題的先驗知識和技能：
- 數據科學團隊的組成和工作，包括不同的角色、流程和工具
- 關鍵統計概念和方法對於查找數據結構和進行預測至關重要
- 數據科學方法：（a）描述業務問題;（b） 提出假設;（c） 演示在分析週期中使用各種方法的情況;（d） 執行計劃
- 通過識別和收集所需的數據，以及操作、轉換和清理數據來構建可用的數據集;演示處理數據異常（如缺失值、異常值、不平衡數據和數據規範化）的能力
- IBM Watson Studio、Data Refinery Spark、Jupyter Notebooks 和 Python 庫的實踐經驗
- 可視化統計分析，識別模式，並有效地將調查結果傳達給執行贊助者，以便制定業務驅動的決策。
數字證書
中間
面向數據科學項目的機器學習
查看徽章關於此徽章
該獲獎者完成了此在線學習體驗中包含的所有學習活動，這些活動與數據科學專業的核心高級主題有關，包括數據建模技術;機器學習;深度學習演算法;數據科學自動化;通過在數據科學團隊中扮演關鍵角色，使用最新的人工智慧工具進行分析/自動化來解決實際問題，展示數據科學領域的高級技能應用。
技能
AI 自動化、AI-on-AI、AutoAI、數據建模、數據科學、特徵工程、欺詐分析、超參數優化、機器學習、ML 演算法、模型部署、模型訓練和視覺識別。
標準
- 必須參加實施IBM技能學院計劃的高等教育機構的培訓課程。
- 必須完成自定進度的在線課程活動，以及驗證對所涵蓋主題的理解的知識檢查。