Online cursus – Gecertificeerde professionele stage in machinaal leren: algoritmen uit de echte wereld door het Alberta Artificial Intelligence Institute

Een inleiding tot praktisch machinaal leren

Cursus 1 • 6 uur • 4,7 (737 beoordelingen)

Cursusdetails

wat ga je leren

• Deze cursus is bedoeld voor professionals die gehoord hebben van machine learning en dit willen toepassen in data-analyse en automatisering.
• Of het nu gaat om financiën, geneeskunde, techniek, zaken of andere gebieden, deze cursus laat u kennismaken met probleemdefinitie en gegevensvoorbereiding in een machine learning-project.
• Aan het einde van de cursus kunt u een machine learning-probleem definiëren op basis van twee benaderingen.
• Je leert beschikbare gegevensbronnen beoordelen en potentiële toepassingen van machine learning identificeren.
• Je leert een bedrijfsbehoefte om te zetten in een toepassing van machine learning.
• Ook bereid je data voor voor effectieve toepassingen van machine learning.

Machine learning-algoritmen: end-to-end begeleid leren

Cursus 2 • 9 uur • 4,7 (411 beoordelingen)

Cursusdetails

wat ga je leren

• Met deze cursus leert u de basisbeginselen van een machine learning-project begrijpen.
• De leerlingen zullen begeleide leertechnieken begrijpen en toepassen op een echte case study om bedrijfsscenario’s te analyseren.
• Leerlingen zullen ook vaardigheden verwerven om de praktische implicaties van verschillende stappen voor gegevensvoorbereiding te onderscheiden.
• Om succesvol te zijn, moet je minimaal een basisniveau van Python-programmeerkennis hebben.
• Je moet een basiskennis hebben van lineaire algebra en statistiek.

Gegevens voor machinaal leren

Cursus 3 • 11 uur • 4,4 (97 beoordelingen)

Cursusdetails

wat ga je leren

• Deze cursus gaat over data en het belang ervan voor het succes van uw praktijkgerichte leermodel.
• Het voltooien van deze cursus geeft studenten de vaardigheden om:
• Begrijp de kritische elementen van data in de leer-, trainings- en activeringsfase.
• Begrijp vooroordelen en gegevensbronnen.
• Pas technieken toe om de algemeenheid van uw model te verbeteren.
• Leg de gevolgen van overfitting uit en identificeer stappen om de problemen te minimaliseren.
• Implementeer passende test- en verificatiemaatregelen.
• Laat zien hoe u de nauwkeurigheid van uw model kunt verbeteren met diepgaande functie-engineering.
• Onderzoek het effect van de algoritmeparameters op de sterkte van het model.
• Om deze cursus te kunnen volgen, moet je minimaal een basiskennis van programmeren in Python hebben.
• Je moet een basiskennis hebben van lineaire algebra en statistiek.

Vaardigheden die je gaat verwerven

• Categorie: computerprogrammering
• Categorie: Python-programmering
• Categorie: machinaal leren
• Categorie: statistische analyse
• Categorie: Lineaire algebra

Optimalisatie van machine learning-prestaties

Cursus 4 • 11 uur • 4,4 (48 beoordelingen)

Cursusdetails

wat ga je leren

• Deze cursus vat alles samen wat je hebt geleerd tijdens de praktische machine learning-stage.
• U doorloopt nu een compleet machine learning-project om een ​​onderhoudsroutekaart voor machine learning op te stellen.
• Begrijp en analyseer hoe u omgaat met veranderende gegevens.
• Ook identificeer en interpreteer je potentiële onbedoelde effecten in je project.
• Begrijp en definieer regels voor het bedienen en onderhouden van uw model.
• Aan het einde van deze cursus beschikt u over alle tools en inzichten die u nodig hebt om een ​​machine learning-project te implementeren.

Aanvullende vereisten

• Om succesvol te zijn, moet je minimaal een basisniveau van Python-programmeerkennis hebben.
• Je moet een basiskennis hebben van lineaire algebra en statistiek.

einde

Dit is de nieuwste cursus in de specialisatie Practical Machine Learning, aangeboden door Coursera en het Alberta Machine Intelligence Institute (Ame).