Online cursus – gecertificeerde professionele specialisatie in AI en de basisprincipes van machine learning met Python van de Universiteit van Pennsylvania

Ontdek de gebieden van AI en machine learning. Verdiep je Python-vaardigheden terwijl je de essentiële gebieden van kunstmatige intelligentie, machine learning en deep learning verkent.

Suggested by: Coursera (What is Coursera?)

Professional Certificate

Gemiddeld niveau

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • De basisprincipes van kunstmatige intelligentie en machine learning
  • Ervaring met statistiek
  • Programma’s schrijven in de taal Python
  • Gebruikmaken van tools en principes van kunstmatige intelligentie en machinaal leren
  • Python-vaardigheden verbeteren
  • Probleemoplossing op het gebied van kunstmatige intelligentie en machinaal leren
  • Het uitvoeren van oefeningen in de statistiek
  • Datawetenschapsproblemen aanpakken

What you will learn in the course

Courses for which the course is suitable

  • Softwareontwikkelaar op het gebied van kunstmatige intelligentie
  • data-analist
  • data wetenschapper
  • Machine learning-ingenieur
  • Ontwikkelaar van algoritmen
  • Expert in statistiek
  • Python-ontwikkelaar
  • Onderzoeker op het gebied van deep learning
  • Technologisch adviseur op het gebied van AI

Stage – een reeks van 4-delige cursussen

Deze specialisatie bereidt leerlingen voor op het betreden van de spannende gebieden van kunstmatige intelligentie (AI) en machinaal leren. In de loop van vier cursussen zullen de leerlingen zich vertrouwd maken met de basisprincipes van kunstmatige intelligentie, machine learning en deep learning, en zullen ze ook ervaring opdoen in statistiek – de ruggengraat van elk machine learning-probleem.

Leerlingen zullen de Python-taal gebruiken om programma’s te schrijven die basistaken op het gebied van AI en machine learning uitvoeren. Aan het einde van de stage kunnen leerlingen met vertrouwen kunstmatige intelligentie en machine learning-tools en -principes gebruiken en bespreken, hun Python-vaardigheden verbeteren en voorbereid zijn op meer geavanceerde studies op deze gebieden.

Een praktisch leerproject

De leerlingen zullen oefeningen uitvoeren in het schrijven van Python-code om veelvoorkomende problemen op het gebied van kunstmatige intelligentie en machinaal leren op te lossen, zoals:

  • Onbewust/bewust zoeken
  • Lineaire regressieproblemen

Bovendien zullen de leerlingen oefeningen in de statistiek uitvoeren, waardoor ze de vaardigheden ontwikkelen die nodig zijn om vrijwel elk datawetenschappelijk probleem aan te pakken.

Details of the courses that make up the specialization

De basisprincipes van kunstmatige intelligentie

Cursus 1
18 uur

wat ga je leren

  • Begrijp de geschiedenis en context van kunstmatige intelligentie door de lenzen van filosofie en sciencefiction.
  • Ontdek verschillende soorten zoekalgoritmen, zoals A*-zoeken, diepte-eerst zoeken, breedte-eerst zoeken en meer.

Vaardigheden die je gaat verwerven

  • Kunstmatige intelligentie
  • Python (programmeertaal)
  • Zoekalgoritmen

Statistieken voor de basisprincipes van data science

Cursus 2
19 uur

wat ga je leren

  • Onderzoek waarschijnlijkheid grondig en begrijp de rol ervan als centraal element in datawetenschap.
  • Gebruik de centrale limiettheorie, betrouwbaarheidsintervallen en de methode van maximale waarschijnlijkheid om problemen in de datawetenschap op te lossen.

Vaardigheden die je gaat verwerven

  • Waarschijnlijkheid en statistieken
  • wiskunde
  • Betrouwbaarheidsintervallen
  • Een eenvoudig willekeurig voorbeeld
  • Ter plaatse beoordeling

Grondbeginselen van machinaal leren

Cursus 3
17 uur

wat ga je leren

  • Bespreek de basisprincipes van waarschijnlijkheid en begrijp het essentiële theoretische raamwerk voor het analyseren van machine learning-problemen.
  • Gebruik lineaire regressie en Python-programmering om machine learning-problemen op te lossen.

Vaardigheden die je gaat verwerven

  • Logistieke regressie
  • Lineaire regressie
  • Methoden voor machinaal leren

Basisprincipes van diep leren

Cursus 4
15 uur

wat ga je leren

  • Begrijp de geschiedenis en context van het vakgebied van deep learning en ontdek wat ‘intelligentie’ werkelijk is.
  • Onderzoek deep learning-modellen zoals perceptron, neurale netwerken en backtracking, en leer de technieken die hiermee omgaan.
  • Schrijf een project met Python waarin u gegevens gaat verwerken en uw gegevens gebruikt om een ​​support vector machine (SVM) te trainen.

Vaardigheden die je gaat verwerven

  • teruggaan
  • Perceptron
  • Python (programmeertaal)
  • diep leren