Онлайн-курс – сертифицированная профессиональная специализация по искусственному интеллекту для научных исследований LearnQuest.

Начните свою карьеру в области науки о данных. Используйте технологии искусственного интеллекта для обнаружения и проверки гипотез.

Suggested by: Coursera (What is Coursera?)

Start your Coursera.com free trial today
Онлайн-курс – сертифицированная профессиональная специализация по искусственному интеллекту для научных исследований LearnQuest.

Professional Certificate

начиная

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • Знание языка Python и базовых моделей.
  • Применение классификационной модели для прогнозирования заболеваний сердца
  • Чтение данных, очистка и преобразование данных
  • Запуск алгоритмов и машинное обучение
  • Сравнение разных моделей в проектах
  • Передовые методы искусственного интеллекта
  • Прогнозирование сходства между пациентами здравоохранения с использованием случайных лесов
  • Сравнение последовательностей геномов мутантов COVID-19
  • Использование библиотек и моделей в машинном обучении и искусственном интеллекте

What you will learn in the course

Courses for which the course is suitable

  • Аналитик данных
  • специалист по данным
  • Инженер искусственного интеллекта
  • Разработчик программного обеспечения в сфере здравоохранения
  • Исследователь в области наук о жизни
  • Эксперт по машинному обучению
  • Анализирует тенденции в научных данных
  • Разрабатывает модели для медицинского прогнозирования.
  • Исследователь в области геномики
  • Специалист по анализу медицинских данных

Стажировка — серия курсов из 4 частей.

По специализации «ИИ для научных исследований» мы научимся использовать искусственный интеллект для выявления тенденций и закономерностей в научных данных.

Курсы:

  • Курс 1: Введение в язык Python и базовые модели. Применение классификационной модели для прогнозирования заболеваний сердца.
  • Курс 2: Конвейер машинного обучения — чтение данных, очистка и преобразование данных, запуск алгоритмов. Финальный проект для сравнения разных моделей.
  • Курс 3: Продвинутые методы искусственного интеллекта. Проект по прогнозированию сходства между пациентами здравоохранения с использованием случайных лесов.
  • Курс 4: Финальный проект – сравнение геномных последовательностей мутаций COVID-19 для выявления потенциальных областей медикаментозного лечения.

Активированный учебный проект

Каждый курс включает практические занятия на лабораторной платформе Coursera. Вы будете использовать библиотеки и модели для выполнения инструкций машинного обучения и искусственного интеллекта, которые помогут ответить на вопросы в ваших данных.

Details of the courses that make up the specialization

Курсы по науке о данных и машинному обучению

Курс 1: Введение в науку о данных и обучение Python

Продолжительность: 13 часов
Рейтинг: 3.8 (40 оценок)

  • Что вы изучите: методы искусственного интеллекта для проверки гипотез на Python, реализация модели машинного обучения с помощью NumPy, Pandas и Scikit-Learn.
  • Навыки, которые вы приобретете: наука о данных, машинное обучение, медицинские данные, регрессия, проверка статистических гипотез.

Курс 2: Модели машинного обучения в науке

Продолжительность: 11 часов
Рейтинг: 3.8 (10 оценок)

  • Что вы узнаете: Применение и оценка моделей машинного обучения (нейронные сети, случайные леса) на научных данных в Python.
  • Навыки, которые вы приобретете: случайный лес, искусственная нейронная сеть, программирование на Python, машинное обучение, PCA.

Курс 3: Нейронные сети и случайный лес

Продолжительность: 10 часов

  • Чему вы научитесь: Углубленный анализ нейронных сетей и передовых методов искусственного интеллекта.
  • Навыки, которые вы приобретете: случайный лес, искусственная нейронная сеть, машинное обучение, научные прогнозы, идентификация видов.

Курс 4: Финальный проект: продвинутый искусственный интеллект для открытия лекарств

Продолжительность: 12 часов

  • Что вы научитесь: анализировать последовательности генов, чтобы находить сходства и идентифицировать подпоследовательности с помощью прогностических моделей.
  • Навыки, которые вы приобретете: уменьшение размерности, кластеризация K-средних, секвенирование всего гена, машинное обучение, открытие лекарств.

Похожие