El flujo de trabajo de la IA: prioridades comerciales y entrada de datos
Curso 1
Duración: 7 horas
Calificación: 4.3 (159 calificaciones)
¿Qué aprenderás?
El primer curso de la Certificación de flujo de trabajo de inteligencia artificial empresarial de IBM le presenta el área de especialización y los requisitos previos. Los cursos están diseñados para científicos de datos prácticos con conocimientos de probabilidad, estadística, álgebra lineal y herramientas Python.
Al finalizar el curso podrás:
- Conozca los beneficios de hacer ciencia de datos a través de un proceso estructurado.
- Describir cómo encajan las etapas del pensamiento de diseño en el proceso de trabajo de la inteligencia artificial para empresas.
- Analice algunas estrategias para clasificar las oportunidades de negocio.
- Explique dónde se superponen la ciencia de datos y la ingeniería de datos en el flujo de trabajo de la IA.
- Explique el propósito de la prueba de entrada de datos.
- Describir el uso en el caso de matrices faltantes.
- Conozca los pasos iniciales para automatizar los canales de entrada de datos.
¿Quién debería tomar este curso?
El curso está dirigido a científicos de datos existentes con experiencia en la creación de modelos de aprendizaje automático.
¿Qué habilidades deberías tener?
- Conocimientos básicos de álgebra lineal.
- Comprensión del muestreo, la teoría de la probabilidad y las distribuciones de probabilidad.
- Conocimiento de conceptos de estadística descriptiva y extracción de conclusiones.
- Comprensión general de las técnicas de aprendizaje automático.
- Una comprensión práctica de Python y los paquetes utilizados en la ciencia de datos.
- Introducción a IBM Watson Studio.
- Familiaridad con el proceso de pensamiento de diseño.
habilidades que adquirirás
- inteligencia artificial (IA)
- ciencia de datos
- Programación en Python
- Ingeniería de la información
- aprendizaje automático
El proceso de trabajo de la inteligencia artificial: análisis de datos y prueba de hipótesis.
Curso 2
Duración: 10 horas
Calificación: 4.2 (110 calificaciones)
¿Qué aprenderás?
En este curso, comenzará su trabajo para una empresa de medios hipotética realizando un análisis de datos exploratorios (EDA). Aprenda las mejores prácticas para la visualización de datos, el manejo de datos faltantes y la prueba de hipótesis.
Al finalizar el curso podrás:
- Enumere las mejores prácticas con respecto a EDA y visualización de datos.
- Cree un panel simple en Watson Studio.
- Describir estrategias para lidiar con los datos faltantes.
- Explique la diferencia entre incrustación e incrustación múltiple.
- Utilice distribuciones normales para responder preguntas de probabilidad.
- Explicar el papel de las pruebas exploratorias en EDA.
- Aplicar diferentes métodos para afrontar múltiples pruebas.
¿Quién debería tomar este curso?
El curso está dirigido a científicos de datos existentes con experiencia en la creación de modelos de aprendizaje automático.
¿Qué habilidades deberías tener?
- Conocimientos básicos de álgebra lineal.
- Comprensión del muestreo, la teoría de la probabilidad y las distribuciones de probabilidad.
- Conocimiento de conceptos de estadística descriptiva y extracción de conclusiones.
- Comprensión general de las técnicas de aprendizaje automático.
- Una comprensión práctica de Python y los paquetes utilizados en la ciencia de datos.
- Introducción a IBM Watson Studio.
- Familiaridad con el proceso de pensamiento de diseño.
habilidades que adquirirás
- inteligencia artificial (IA)
- ciencia de datos
- Programación en Python
- Ingeniería de la información
- aprendizaje automático
El proceso de trabajo de la inteligencia artificial: ingeniería de características y detección de sesgos.
Curso 3
Duración: 12 horas
Calificación: 4.4 (68 calificaciones)
¿Qué aprenderás?
Este curso presenta el siguiente paso en el flujo de trabajo de nuestra hipotética empresa de medios. Aprenderás los mejores métodos para la ingeniería de características, tratamiento de la desigualdad entre las categorías y detección de sesgos en los datos.
Al finalizar el curso podrás:
- utilizar herramientas para abordar los problemas de desigualdad entre las categorías.
- Explicar las consideraciones éticas relativas a los sesgos de datos.
- Utilice las bibliotecas de código abierto de Fairness 360 para detectar sesgos en los modelos.
- Realizar técnicas de reducción de dimensiones en la fase EDA.
- Describir técnicas de modelado de temas en el procesamiento del lenguaje natural.
- Aplique los mejores métodos de manejo de excepciones de datos.
- Aplicar algoritmos para detectar anomalías.
- Aplicar técnicas de aprendizaje no supervisado.
- Aplicar algoritmos básicos de agrupamiento.
¿Quién debería tomar este curso?
El curso está dirigido a científicos de datos existentes con experiencia en la creación de modelos de aprendizaje automático.
¿Qué habilidades deberías tener?
- Conocimientos básicos de álgebra lineal.
- Comprensión del muestreo, la teoría de la probabilidad y las distribuciones de probabilidad.
- Conocimiento de conceptos de estadística descriptiva y extracción de conclusiones.
- Comprensión general de las técnicas de aprendizaje automático.
- Una comprensión práctica de Python y los paquetes utilizados en la ciencia de datos.
- Introducción a IBM Watson Studio.
- Familiaridad con el proceso de pensamiento de diseño.
habilidades que adquirirás
- inteligencia artificial (IA)
- ciencia de datos
- Programación en Python
- Ingeniería de la información
- aprendizaje automático
El proceso de trabajo de la inteligencia artificial: aprendizaje automático, reconocimiento visual y procesamiento del lenguaje natural
Curso 4
Duración: 13 horas
Calificación: 4.4 (78 calificaciones)
¿Qué aprenderás?
El cuarto curso aborda la siguiente etapa del proceso de trabajo, definiendo modelos y canales de datos asociados para una hipotética empresa de medios.
Al finalizar el curso podrás:
- Analice la regresión, la clasificación y las matrices de clasificación múltiple.
- Explicar el uso de la regresión lineal y logística.
- Describir estrategias para buscar redes y realizar una prueba cruzada.
- Aplicar métricas de evaluación para seleccionar modelos.
- Explicar el uso de algoritmos basados en árboles.
- Explicar el uso de redes neuronales.
- Cree un modelo de red neuronal en Tensorflow.
- Cree y pruebe una instancia de reconocimiento visual de Watson.
- Cree y pruebe una instancia de Watson NLU.
¿Quién debería tomar este curso?
El curso está dirigido a científicos de datos existentes con experiencia en la creación de modelos de aprendizaje automático.
¿Qué habilidades deberías tener?
- Conocimientos básicos de álgebra lineal.
- Comprensión del muestreo, la teoría de la probabilidad y las distribuciones de probabilidad.
- Conocimiento de conceptos de estadística descriptiva y extracción de conclusiones.
- Comprensión general de las técnicas de aprendizaje automático.
- Una comprensión práctica de Python y los paquetes utilizados en la ciencia de datos.
- Introducción a IBM Watson Studio.
- Familiaridad con el proceso de pensamiento de diseño.
habilidades que adquirirás
- inteligencia artificial (IA)
- ciencia de datos
- Programación en Python
- Ingeniería de la información
- aprendizaje automático
El proceso de trabajo de la inteligencia artificial: desplegando modelos en la organización
Curso 5
Duración: 9 horas
Calificación: 4.2 (51 calificaciones)
¿Qué aprenderás?
El curso trata sobre el despliegue de modelos en la organización y los procesos necesarios para implementar los modelos construidos.
Al finalizar el curso podrás:
- Explicar el proceso de implementación de los modelos en la organización.
- Gestionar la vida útil del modelo después de su implementación.
- Aplicar técnicas de gestión de modelos.
¿Quién debería tomar este curso?
El curso está dirigido a científicos de datos existentes con experiencia en la creación de modelos de aprendizaje automático.
¿Qué habilidades deberías tener?
- Conocimientos básicos de álgebra lineal.
- Comprensión del muestreo, la teoría de la probabilidad y las distribuciones de probabilidad.
- Conocimiento de conceptos de estadística descriptiva y extracción de conclusiones.
- Comprensión general de las técnicas de aprendizaje automático.
- Una comprensión práctica de Python y los paquetes utilizados en la ciencia de datos.
- Introducción a IBM Watson Studio.
- Familiaridad con el proceso de pensamiento de diseño.
habilidades que adquirirás
- inteligencia artificial (IA)
- ciencia de datos
- Programación en Python
- Ingeniería de la información
- aprendizaje automático
