## Профессиональный сертификат — серия из 6 курсов. Подготовьтесь к карьере в области компьютерного обучения. В этой программе вы освоите необходимые навыки, такие как искусственный интеллект и вычислительное обучение, чтобы **быть готовыми к работе менее чем за 3 месяца.** Вычислительное обучение — это использование и разработка компьютерных систем, которые могут обучаться и адаптироваться с помощью алгоритмов и статистические модели для анализа и получения выводов на основе данных. **Вычислительное обучение — это отрасль искусственного интеллекта (ИИ)**, в которой компьютеры учат имитировать человеческий интеллект и решать сложные задачи. Должности, доступные для тех, кто обладает знаниями в области машинного обучения, включают инженера по машинному обучению, исследователя НЛП и инженера по обработке данных. Эта программа включает в себя курсы, которые обеспечивают глубокое теоретическое понимание и обширную практику в основных алгоритмах, их использовании и ведут к компьютерному обучению. Рассматриваемые темы включают **обучение с учителем и без учителя, регрессию, классификацию, кластеризацию, глубокое обучение и обучение с подкреплением.** Вы научитесь **кодировать свои собственные проекты**, используя некоторые из наиболее актуальных фреймворков и библиотек с открытым исходным кодом, а также применить то, что вы узнали на различных курсах, выполнив итоговый проект. По завершении курсов вы получите **портфолио проектов и профессиональный сертификат** от IBM, подтверждающий ваш опыт. Вы также получите цифровой бейдж IBM и доступ к карьерным ресурсам, которые помогут вам в поиске работы, включая образцы интервью и поддержку резюме. ### Проект практического обучения Этот профессиональный сертификат направлен на развитие практических навыков, необходимых для продвижения в сфере вычислений и глубокого обучения. Все курсы включают серию практических занятий и итоговых проектов, которые помогут вам сосредоточиться на конкретном проекте, который вас интересует. В ходе этого профессионального сертификата вы познакомитесь с различными инструментами, библиотеками, облачными сервисами, системами данных, алгоритмами, задачами и проектами, которые предоставят вам практические навыки для использования в работе в области компьютерного обучения. Эти навыки включают в себя: — **Инструменты**: Jupyter Notebooks и Watson Studio.
— **Библиотеки:** Pandas, NumPy, Matplotlib, Seaborn, ipython-sql, Scikit-learn, ScipPy, Keras и TensorFlow.
– **Алгоритмы:** обучение с учителем и без учителя, регрессия, классификация, кластеризация, линейная регрессия, гребневая регрессия, алгоритмы машинного обучения (ML), дерево решений, обучение с помощью десятков, анализ выживаемости, кластеризация K-средних, DBSCAN и данные сокращения. размеры.
Исследовательский анализ данных для машинного обучения
Курс 1 • 14 часов • 4,6
Детали курса
чему ты научишься
Этот курс познакомит вас с машинным обучением и содержанием профессионального сертификата. В ходе курса вы поймете важность качественных данных. Вы изучите общие методы сбора данных, их очистки, использования функций проектирования и подготовки их к первоначальному анализу и проверке гипотез.
- Собирайте данные из разных источников: SQL, базы данных NoSQL, API, облако.
- Описывать и использовать общие методы выбора и разработки функций.
- Обработка категориальных и ранжирующих атрибутов, а также пропущенных значений.
- Используйте различные методы для выявления и обработки аномальных значений.
- Объясните, почему изменение размера важно, и используйте различные методы изменения размера.
Кому следует пройти этот курс?
Этот курс предназначен для тех, кто хочет стать исследователем данных и хочет получить практический опыт в области машинного обучения и искусственного интеллекта в бизнес-средах.
Навыки, которые вы приобретете
- Категория: кластерный анализ
- Категория: уменьшение размеров
- Категория: обучение без учителя
- Категория: Анализ главных компонентов (PCA)
- Категория: K Кластер средних
Контролируемое машинное обучение: регрессия
Курс 2 • 20 часов • 4,7
Детали курса
чему ты научишься
Этот курс познакомит вас с одним из основных типов моделей контролируемого обучения: регрессией. Вы узнаете, как обучать модели регрессии для прогнозирования непрерывных результатов и как использовать показатели ошибок для сравнения различных моделей.
- Различать использование и применение классификации и регрессии.
- описывать и использовать модели линейной регрессии
- Используйте регрессии регуляризации: Ridge, LASSO и Elastic net.
Кому следует пройти этот курс?
Этот курс предназначен для тех, кто хочет стать исследователем данных и хочет получить практический опыт работы с методами регрессии в контролируемом машинном обучении в бизнес-средах.
Навыки, которые вы приобретете
- Категория: обучение без учителя
- Категория: Алгоритмы машинного обучения (ML)
- Категория: обучение под присмотром
- Категория: Алгоритмы классификации
- Категория: дерево решений
Контролируемое машинное обучение: классификация
Курс 3 • 24 часа • 4,8
Детали курса
чему ты научишься
Этот курс познакомит вас с одним из ключевых типов семейства моделей контролируемого машинного обучения: классификацией. Вы узнаете, как обучать прогнозные модели классифицировать категориальные результаты.
- Различать использование и применение классификации и ансамблей классификации.
- описывать и использовать модели логистической регрессии
- Используйте различные показатели ошибок для сравнения и выбора модели классификации, которая лучше всего соответствует вашим данным.
Кому следует пройти этот курс?
Этот курс предназначен для тех, кто хочет стать исследователем данных и хочет получить практический опыт в области контролируемых методов классификации машинного обучения в бизнес-средах.
Навыки, которые вы приобретете
- Категория: искусственные нейронные сети
- Категория: Анализ данных
- Категория: Программирование на Python
- Категория: обучение под присмотром
- Категория: машинное обучение без учителя
Машинное обучение без учителя
Курс 4 • 23 часа • 4,7
Детали курса
чему ты научишься
Этот курс познакомит вас с одним из основных типов обучения в машинном обучении: обучением без учителя. Вы узнаете, как находить ценную информацию в наборах данных, в которых нет целевой переменной или классификатора.
- Объяснить типы проблем, подходящие для подходов к обучению без учителя.
- Описывать и использовать общие алгоритмы кластеризации и уменьшения размерности.
Кому следует пройти этот курс?
Этот курс предназначен для тех, кто хочет стать исследователем данных и хочет получить практический опыт в методах обучения без учителя в бизнес-среде.
Навыки, которые вы приобретете
- Категория: искусственные нейронные сети
- категория: Обучение с подкреплением
- Категория: машинное обучение
- Категория: глубокое обучение
- Категория: керас
Глубокое обучение и обучение с подкреплением
Курс 5 • 31 час • 4,6
Детали курса
чему ты научишься
Этот курс познакомит вас с двумя наиболее востребованными специализациями в области машинного обучения: глубоким обучением и обучением с подкреплением.
- Объясните проблемные поставщики, подходящие для подходов к обучению без учителя.
- Укажите и используйте общие алгоритмы кластеризации и уменьшения размерности.
Кому следует пройти этот курс?
Этот курс предназначен для тех, кто хочет стать исследователем данных и хочет приобрести практический опыт в области глубокого обучения и обучения с подкреплением.
Навыки, которые вы приобретете
- Категория: Линейная регрессия
- Категория: Алгоритмы машинного обучения (ML)
- Категория: Регрессионный хребет
- категория: Обучение под присмотром
- Категория: Регрессионный анализ
