Online cursus – gecertificeerde professionele specialisatie in Social Computing van Johns Hopkins University

Leer geavanceerde sociale computervaardigheden. Ontdek geavanceerde technieken voor het analyseren van sociale netwerken, het bouwen van chatbots en het verbeteren van AI met crowdsourcing.

Suggested by: Coursera (What is Coursera?)

Professional Certificate

starten Gemiddeld niveau oprukkende betrokken

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • Analyse van sociale netwerken
  • AI-prestaties optimaliseren
  • Analyse van sociale netwerken
  • Interfilter-overeenkomst (IAA)
  • machinaal leren
  • massa technieken
  • Ontwikkeling van chatbots
  • Data-analyse met R
  • Een conversationele kunstmatige intelligentie

What you will learn in the course

Courses for which the course is suitable

  • data-analist
  • Chatbot-ontwikkelaar
  • Expert op het gebied van sociale netwerkanalyse
  • Machine learning-ingenieur
  • Ontwikkelaar van AI-applicaties
  • emotie analysator
  • Expert op het gebied van mens-computerinteractie
  • Ontwikkelaar van sociale computeroplossingen
  • Analyseert maatschappelijke trends
  • Classificatiesleutel voor machinaal leren

Stage – een reeks van 4 cursussen

Deze specialisatie is bedoeld voor postdoctorale studenten die sociale computertechnieken onder de knie willen krijgen om echte problemen op te lossen. Tijdens vier diepgaande cursussen zullen studenten belangrijke onderwerpen verkennen, zoals:

  • Analyse van sociale netwerken
  • Ontwikkeling van chatbots
  • drukte
  • Optimaliseer AI-prestaties

Je leert sociale netwerken analyseren met behulp van R-programmering, functionele chatbots maken met AWS en AI-modellen verbeteren met behulp van crowdsourced data en machine learning-technieken. Aan het einde van de stage heb je praktische ervaring met het toepassen van geavanceerde tools en methoden op gebieden zoals:

  • Analyse van sociale media
  • Conversatie-interfaces
  • Samenwerking tussen mens en AI

Dit praktische, branchegerelateerde leertraject voorziet u van de vaardigheden die nodig zijn om uit te blinken op het gebied van social computing, kunstmatige intelligentie en datagestuurde innovatie.

Toegepast leerproject

In deze specialisatie zullen leerlingen hun vaardigheden op het gebied van social computing, sociale netwerkanalyse, AI en machinaal leren toepassen door middel van praktische projecten. Deze projecten omvatten taken zoals:

  • Verzameling en analyse van sociale mediagegevens
  • Classificatoren voor machinaal leren bouwen
  • Ontwikkeling van chatbots

Leerlingen kunnen bijvoorbeeld gegevens uit sociale-mediaplatforms extraheren, sentimentanalyses uitvoeren of classificaties bouwen om specifieke uitkomsten te voorspellen, zoals:

  • wijn kwaliteit
  • sociale trends

De leerlingen zullen problemen uit de echte wereld aanpakken door technieken toe te passen zoals:

  • beslisbomen
  • Logistieke regressie
  • Willekeurig bos

Via deze projecten zullen ze praktijkervaring opdoen met het evalueren van AI-modellen, mens-computerinteractie en het ontwikkelen van sociaal bewuste AI-toepassingen. Deze projecten weerspiegelen authentieke uitdagingen bij het combineren van menselijke en machine-intelligentie om betere beslissingen te nemen.

Details of the courses that make up the specialization

Inleiding tot sociaal computergebruik

Cursus 1 • 20 uur

Cursusdetails
wat ga je leren
  • Begrijp de basisprincipes van sociaal computergebruik en de verbindingen ervan met sociale netwerken en analyses.
  • Analyseer hoe sociale netwerken communicatie, gedrag en sociale interacties beïnvloeden.
  • Herken hoe cognitieve vooroordelen online gedrag en informatieverspreiding beïnvloeden.
  • Ontdek hoe gamificatie de motivatie van gebruikers verbetert en sociale computertoepassingen verbetert.
Vaardigheden die je gaat verwerven
  • Categorie: gamificatietechnieken
  • Categorie: Sociale netwerkanalyse
  • categorie: Gegevensverzameling en ethiek
  • Categorie: Cognitieve vooroordelen identificeren
  • categorie: Analyse van netwerkcompatibiliteit
  • Categorie: Sociale netwerkanalyse

Cursus 2 • 13 uur

Cursusdetails
wat ga je leren
  • Leer sleutelindicatoren berekenen en interpreteren om invloedrijke knooppunten in sociale netwerken te identificeren.
  • Vaardigheden verwerven in het toepassen van statistische modellen om relaties en dynamiek binnen sociale netwerken te analyseren.
  • Begrijp hoe fundamentele sociale theorieën netwerkanalyses en interpretaties van sociale interacties vormgeven.
Vaardigheden die je gaat verwerven
  • Categorie: Toepassing van sociale theorie
  • Categorie: Netwerken bouwen
  • Categorie: Data-analyse in R
  • Categorie: statistische modellen
  • Categorie: centraliteitsanalyse

AI trainen met mensen

Cursus 3 • 22 uur

Cursusdetails
wat ga je leren
  • Leer een verscheidenheid aan machine learning-classificatoren en prestatiestatistieken bouwen en evalueren.
  • Controleberekeningen en middelen voor interclassifierovereenkomst (IAA) voor gegevensconsistentie.
  • Begrijp hoe u crowdfunding-taken kunt ontwerpen en implementeren met behulp van Amazon Mechanical Turk.
  • Analyseer crowddata om machine learning-modellen te verbeteren en de ethische overwegingen bij AI te begrijpen.
Vaardigheden die je gaat verwerven
  • Categorie: Ethische overwegingen bij AI en crowdfunding
  • Categorie: Analyse van interclassificatieovereenkomsten (IAA)
  • Categorie: Gegevensverzameling en -analyse
  • Categorie: Grondbeginselen van machinaal leren
  • Categorie: crowdfundingtechnieken

Chatbots

Cursus 4 • 13 uur

Cursusdetails
wat ga je leren
  • Ontdek de geschiedenis en principes van chatbots en verbeter uw begrip van hun ontwerp en functies.
  • Bouw en evalueer machine learning-classificatoren met behulp van BERT voor tekstclassificatietaken.
  • Doe praktische ervaring op met het maken en configureren van functionele chatbots met behulp van AWS Chatbot-services.
Vaardigheden die je gaat verwerven
  • Categorie: AWS Chatbot-applicatie
  • Categorie: Ontwerpprincipes van chatbots
  • Categorie: Samen problemen oplossen
  • Categorie: classificaties voor machinaal leren
  • Categorie: Berekening van prestatie-indicatoren