Begin je carrière als AI-ingenieur. Leer hoe u zakelijke inzichten uit big data kunt leveren met behulp van machine learning en deep learning-technieken.
Suggested by: Coursera (What is Coursera?)
No prior knowledge required
No unnecessary risks
Kunstmatige intelligentie (AI) verandert hele industrieën en verandert de manier waarop verschillende bedrijven data gebruiken om beslissingen te nemen. Om concurrerend te blijven hebben organisaties gekwalificeerde AI-ingenieurs nodig, die geavanceerde methoden gebruiken, zoals machine learning-algoritmen en diepe neurale netwerken, om datagestuurde intelligentie aan hun bedrijven te leveren. Dit professionele certificaat van 6 cursussen is ontworpen om u te voorzien van de tools die u nodig heeft om te slagen in uw carrière als AI- of ML-ingenieur.
Je beheerst de basisconcepten van machine learning en deep learning, inclusief begeleid leren en onbewaakt leren, met behulp van programmeertalen zoals Python. Je past populaire machine learning- en deep learning-bibliotheken zoals SciPy, ScikitLearn, Keras, PyTorch en Tensorflow toe op industriële problemen, waaronder objectherkenning, computervisie, beeld- en videoverwerking, tekstanalyse, natuurlijke taalverwerking (NLP), aanbevelingssystemen en andere soorten filters.
Door middel van praktijkgerichte projecten verwerf je essentiële datawetenschapsvaardigheden op schaal met machine learning-algoritmen op Big Data met behulp van Apache Spark. Je bouwt, traint en implementeert verschillende soorten diepe architecturen, waaronder convolutionele neurale netwerken, terugkerende netwerken en autoencoders.
Naast het ontvangen van een beroepscertificaat van Coursera, ontvangt u ook een digitaal keurmerk van IBM, waarin uw professionaliteit op het gebied van kunstmatige intelligentie-engineering wordt erkend.
Een praktisch leerproject
Gedurende het programma bouwt u een projectportfolio op dat uw vaardigheden op het gebied van de cursusonderwerpen laat zien. De praktijkgerichte projecten geven je praktische kennis van machine learning-bibliotheken en deep learning-frameworks zoals SciPy, ScikitLearn, Keras, PyTorch en Tensorflow. Daarnaast voltooi je een diepgaand sluitstukproject, waarbij je je AI- en neurale netwerkvaardigheden toepast op een echte uitdaging, en je vermogen demonstreert om projectresultaten te communiceren.
