Рабочий процесс ИИ: бизнес-приоритеты и ввод данных
Курс 1
Продолжительность: 7 часов
Рейтинг: 4.3 (159 оценок)
чему ты научишься
Первый курс сертификации IBM Business AI Workflow знакомит вас с областью знаний и предварительными условиями. Курсы предназначены для практических специалистов по данным, обладающих пониманием вероятности, статистики, линейной алгебры и инструментов Python.
В конце курса вы сможете:
- Узнайте о преимуществах изучения данных посредством структурированного процесса.
- Описать, как этапы дизайн-мышления вписываются в рабочий процесс искусственного интеллекта для бизнеса.
- Обсудите некоторые стратегии ранжирования деловых возможностей.
- Объясните, где наука о данных и инженерия данных пересекаются в рабочем процессе ИИ.
- Объясните цель теста ввода данных.
- Опишите использование в случае отсутствия матриц.
- Знать начальные шаги по автоматизации конвейеров ввода данных.
Кому следует пройти этот курс?
Курс предназначен для специалистов по данным, обладающих опытом построения моделей машинного обучения.
Какими навыками вы должны обладать?
- Базовое понимание линейной алгебры.
- Понимание выборки, теории вероятностей и распределений вероятностей.
- Знание концепций описательной статистики и умение делать выводы.
- Общее понимание методов машинного обучения.
- Практическое понимание Python и пакетов, используемых в науке о данных.
- Знакомство с IBM Watson Studio.
- Знакомство с процессом дизайн-мышления.
навыки, которые вы приобретете
- искусственный интеллект (ИИ)
- Наука о данных
- Программирование на Python
- Информационная инженерия
- машинное обучение
Процесс работы искусственного интеллекта: анализ данных и проверка гипотез
Курс 2
Продолжительность: 10 часов
Рейтинг: 4.2 (110 оценок)
чему ты научишься
В этом курсе вы начнете свою работу в гипотетической медиа-компании с проведения исследовательского анализа данных (EDA). Изучите лучшие практики визуализации данных, обработки недостающих данных и проверки гипотез.
В конце курса вы сможете:
- Перечислите лучшие практики в отношении EDA и визуализации данных.
- Создайте простую панель мониторинга в Watson Studio.
- Опишите стратегии работы с недостающими данными.
- Объясните разницу между встраиванием и множественным встраиванием.
- Используйте нормальное распределение, чтобы ответить на вопросы о вероятности.
- Объясните роль исследовательского тестирования в EDA.
- Применяйте различные методы для работы с несколькими тестами.
Кому следует пройти этот курс?
Курс предназначен для специалистов по данным, обладающих опытом построения моделей машинного обучения.
Какими навыками вы должны обладать?
- Базовое понимание линейной алгебры.
- Понимание выборки, теории вероятностей и распределений вероятностей.
- Знание концепций описательной статистики и умение делать выводы.
- Общее понимание методов машинного обучения.
- Практическое понимание Python и пакетов, используемых в науке о данных.
- Знакомство с IBM Watson Studio.
- Знакомство с процессом дизайн-мышления.
навыки, которые вы приобретете
- искусственный интеллект (ИИ)
- Наука о данных
- Программирование на Python
- Информационная инженерия
- машинное обучение
Рабочий процесс искусственного интеллекта: разработка функций и обнаружение предвзятости
Курс 3
Продолжительность: 12 часов
Рейтинг: 4.4 (68 оценок)
чему ты научишься
Этот курс представляет следующий шаг в рабочем процессе нашей гипотетической медиа-компании. Вы изучите лучшие методы проектирования признаков, устранения неравенства между категориями и выявления систематических ошибок в данных.
В конце курса вы сможете:
- использовать инструменты для решения проблем неравенства между категориями.
- Объясните этические соображения относительно систематических ошибок в данных.
- Используйте библиотеки с открытым исходным кодом Fairness 360 для обнаружения систематических ошибок в моделях.
- Выполните методы уменьшения размеров на этапе EDA.
- Описать методы тематического моделирования при обработке естественного языка.
- Применяйте лучшие методы обработки исключений данных.
- Применяйте алгоритмы для обнаружения аномалий.
- Применяйте методы обучения без учителя.
- Примените базовые алгоритмы кластеризации.
Кому следует пройти этот курс?
Курс предназначен для специалистов по данным, обладающих опытом построения моделей машинного обучения.
Какими навыками вы должны обладать?
- Базовое понимание линейной алгебры.
- Понимание выборки, теории вероятностей и распределений вероятностей.
- Знание концепций описательной статистики и умение делать выводы.
- Общее понимание методов машинного обучения.
- Практическое понимание Python и пакетов, используемых в науке о данных.
- Знакомство с IBM Watson Studio.
- Знакомство с процессом дизайн-мышления.
навыки, которые вы приобретете
- искусственный интеллект (ИИ)
- Наука о данных
- Программирование на Python
- Информационная инженерия
- машинное обучение
Рабочий процесс искусственного интеллекта: машинное обучение, визуальное распознавание и обработка естественного языка
Курс 4
Продолжительность: 13 часов
Рейтинг: 4.4 (78 оценок)
чему ты научишься
Четвертый курс посвящен следующему этапу рабочего процесса, определению моделей и связанных с ними конвейеров данных для гипотетической медиа-компании.
В конце курса вы сможете:
- Обсудите регрессию, классификацию и матрицы множественной классификации.
- Объясните использование линейной и логистической регрессии.
- Описать стратегии поиска сетей и проведения перекрестного тестирования.
- Применяйте метрики оценки для выбора моделей.
- Объясните использование древовидных алгоритмов.
- Объясните использование нейронных сетей.
- Создайте модель нейронной сети в Tensorflow.
- Создайте и протестируйте экземпляр визуального распознавания Watson.
- Создайте и протестируйте экземпляр Watson NLU.
Кому следует пройти этот курс?
Курс предназначен для специалистов по данным, обладающих опытом построения моделей машинного обучения.
Какими навыками вы должны обладать?
- Базовое понимание линейной алгебры.
- Понимание выборки, теории вероятностей и распределений вероятностей.
- Знание концепций описательной статистики и умение делать выводы.
- Общее понимание методов машинного обучения.
- Практическое понимание Python и пакетов, используемых в науке о данных.
- Знакомство с IBM Watson Studio.
- Знакомство с процессом дизайн-мышления.
навыки, которые вы приобретете
- искусственный интеллект (ИИ)
- Наука о данных
- Программирование на Python
- Информационная инженерия
- машинное обучение
Рабочий процесс искусственного интеллекта: внедрение моделей в организации
Курс 5
Продолжительность: 9 часов
Рейтинг: 4.2 (51 оценка)
чему ты научишься
В курсе рассматривается развертывание моделей в организации и процессы, необходимые для реализации построенных моделей.
В конце курса вы сможете:
- Объясните процесс развертывания моделей в организации.
- управлять жизнью модели после развертывания.
- Применяйте методы управления моделями.
Кому следует пройти этот курс?
Курс предназначен для специалистов по данным, обладающих опытом построения моделей машинного обучения.
Какими навыками вы должны обладать?
- Базовое понимание линейной алгебры.
- Понимание выборки, теории вероятностей и распределений вероятностей.
- Знание концепций описательной статистики и умение делать выводы.
- Общее понимание методов машинного обучения.
- Практическое понимание Python и пакетов, используемых в науке о данных.
- Знакомство с IBM Watson Studio.
- Знакомство с процессом дизайн-мышления.
навыки, которые вы приобретете
- искусственный интеллект (ИИ)
- Наука о данных
- Программирование на Python
- Информационная инженерия
- машинное обучение
