Yapay zeka iş akışı: iş öncelikleri ve veri girişi
Kurs 1
Süre: 7 saat
Değerlendirme: 4,3 (159 değerlendirme)
ne öğreneceksin
IBM Business AI Workflow Sertifikasyonunun ilk kursu size uzmanlık alanını ve önkoşulları tanıtır. Kurslar olasılık, istatistik, doğrusal cebir ve Python araçlarını anlayan uygulamalı veri bilimcileri için tasarlanmıştır.
Kursun sonunda şunları yapabileceksiniz:
- Yapılandırılmış bir süreç aracılığıyla veri bilimi yapmanın faydalarını öğrenin.
- Tasarım düşüncesinin aşamalarının iş dünyası için yapay zekanın çalışma sürecine nasıl uyduğunu açıklayın.
- İş fırsatlarını sıralamaya yönelik bazı stratejileri tartışın.
- Yapay zeka iş akışında veri bilimi ve veri mühendisliğinin nerede örtüştüğünü açıklayın.
- Veri giriş testinin amacını açıklayın.
- Matrislerin eksik olması durumunda kullanımı açıklayın.
- Veri girişi ardışık düzenlerini otomatikleştirmeye yönelik ilk adımları öğrenin.
Bu kursu kimler almalı?
Kurs, makine öğrenimi modelleri oluşturma konusunda uzmanlığa sahip mevcut veri bilimcilerini hedeflemektedir.
Hangi becerilere sahip olmalısınız?
- Doğrusal cebirin temel anlayışı.
- Örnekleme, olasılık teorisi ve olasılık dağılımlarının anlaşılması.
- Tanımlayıcı istatistik kavramları ve sonuçların çıkarılması bilgisi.
- Makine öğrenimi tekniklerinin genel anlaşılması.
- Python’un ve veri biliminde kullanılan paketlerin pratik olarak anlaşılması.
- IBM Watson Studio’ya giriş.
- Tasarım odaklı düşünme sürecine aşinalık.
kazanacağınız beceriler
- yapay zeka (AI)
- Veri bilimi
- Python programlama
- Bilgi mühendisliği
- makine öğrenimi
Yapay zekanın çalışma süreci: veri analizi ve hipotez testi
Kurs 2
Süre: 10 saat
Değerlendirme: 4,2 (110 değerlendirme)
ne öğreneceksin
Bu kursta, varsayımsal bir medya şirketi için çalışmanıza, keşfedici veri analizi (EDA) gerçekleştirerek başlayacaksınız. Veri görselleştirme, eksik verileri işleme ve hipotez testi için en iyi uygulamaları öğrenin.
Kursun sonunda şunları yapabileceksiniz:
- EDA ve veri görselleştirmeyle ilgili en iyi uygulamaları listeleyin.
- Watson Studio’da basit bir kontrol paneli oluşturun.
- Eksik verilerle başa çıkma stratejilerini açıklayın.
- Gömme ve çoklu gömme arasındaki farkı açıklayın.
- Olasılık sorularını yanıtlamak için normal dağılımları kullanın.
- EDA’da keşif testinin rolünü açıklayın.
- Birden fazla testle başa çıkmak için farklı yöntemler uygulayın.
Bu kursu kimler almalı?
Kurs, makine öğrenimi modelleri oluşturma konusunda uzmanlığa sahip mevcut veri bilimcilerini hedeflemektedir.
Hangi becerilere sahip olmalısınız?
- Doğrusal cebirin temel anlayışı.
- Örnekleme, olasılık teorisi ve olasılık dağılımlarının anlaşılması.
- Tanımlayıcı istatistik kavramları ve sonuçların çıkarılması bilgisi.
- Makine öğrenimi tekniklerinin genel anlaşılması.
- Python’un ve veri biliminde kullanılan paketlerin pratik olarak anlaşılması.
- IBM Watson Studio’ya giriş.
- Tasarım odaklı düşünme sürecine aşinalık.
kazanacağınız beceriler
- yapay zeka (AI)
- Veri bilimi
- Python programlama
- Bilgi mühendisliği
- makine öğrenimi
Yapay zekanın çalışma süreci: özellik mühendisliği ve önyargı tespiti
Kurs 3
Süre: 12 saat
Değerlendirme: 4,4 (68 değerlendirme)
ne öğreneceksin
Bu kurs, varsayımsal medya şirketimiz için iş akışındaki bir sonraki adımı tanıtmaktadır. Özellik mühendisliği, kategoriler arasındaki eşitsizliğin ele alınması ve verilerdeki önyargıların tespiti için en iyi yöntemleri öğreneceksiniz.
Kursun sonunda şunları yapabileceksiniz:
- Kategoriler arasındaki eşitsizlik sorunlarını çözmek için araçlar kullanın.
- Veri önyargılarına ilişkin etik hususları açıklayın.
- Modellerdeki önyargıları tespit etmek için Fairness 360 açık kaynak kitaplıklarını kullanın.
- EDA aşamasında boyut küçültme tekniklerini uygulayın.
- Doğal dil işlemede konu modelleme tekniklerini açıklar.
- En iyi veri istisnası işleme yöntemlerini uygulayın.
- Anormallikleri tespit etmek için algoritmalar uygulayın.
- Denetimsiz öğrenme tekniklerini uygulayın.
- Temel kümeleme algoritmalarını uygulayın.
Bu kursu kimler almalı?
Kurs, makine öğrenimi modelleri oluşturma konusunda uzmanlığa sahip mevcut veri bilimcilerini hedeflemektedir.
Hangi becerilere sahip olmalısınız?
- Doğrusal cebirin temel anlayışı.
- Örnekleme, olasılık teorisi ve olasılık dağılımlarının anlaşılması.
- Tanımlayıcı istatistik kavramları ve sonuçların çıkarılması bilgisi.
- Makine öğrenimi tekniklerinin genel anlaşılması.
- Python’un ve veri biliminde kullanılan paketlerin pratik olarak anlaşılması.
- IBM Watson Studio’ya giriş.
- Tasarım odaklı düşünme sürecine aşinalık.
kazanacağınız beceriler
- yapay zeka (AI)
- Veri bilimi
- Python programlama
- Bilgi mühendisliği
- makine öğrenimi
Yapay zekanın çalışma süreci: makine öğrenimi, görsel tanıma ve doğal dil işleme
Kurs 4
Süre: 13 saat
Değerlendirme: 4,4 (78 değerlendirme)
ne öğreneceksin
Dördüncü ders, varsayımsal bir medya şirketi için modellerin ve ilgili veri boru hatlarının tanımlanmasıyla iş sürecinin bir sonraki aşamasını ele alır.
Kursun sonunda şunları yapabileceksiniz:
- Regresyon, sınıflandırma ve çoklu sınıflandırma matrislerini tartışın.
- Doğrusal ve lojistik regresyonun kullanımını açıklayın.
- Ağları arama ve çapraz test gerçekleştirme stratejilerini açıklayın.
- Seçili modellere değerlendirme metriklerini uygulayın.
- Ağaç tabanlı algoritmaların kullanımını açıklayın.
- Sinir ağlarının kullanımını açıklar.
- Tensorflow’da bir sinir ağı modeli oluşturun.
- Watson görsel tanımanın bir örneğini oluşturun ve test edin.
- Bir Watson NLU örneği oluşturun ve test edin.
Bu kursu kimler almalı?
Kurs, makine öğrenimi modelleri oluşturma konusunda uzmanlığa sahip mevcut veri bilimcilerini hedeflemektedir.
Hangi becerilere sahip olmalısınız?
- Doğrusal cebirin temel anlayışı.
- Örnekleme, olasılık teorisi ve olasılık dağılımlarının anlaşılması.
- Tanımlayıcı istatistik kavramları ve sonuçların çıkarılması bilgisi.
- Makine öğrenimi tekniklerinin genel anlaşılması.
- Python’un ve veri biliminde kullanılan paketlerin pratik olarak anlaşılması.
- IBM Watson Studio’ya giriş.
- Tasarım odaklı düşünme sürecine aşinalık.
kazanacağınız beceriler
- yapay zeka (AI)
- Veri bilimi
- Python programlama
- Bilgi mühendisliği
- makine öğrenimi
Yapay zekanın çalışma süreci: modellerin organizasyonda konuşlandırılması
Kurs 5
Süre: 9 saat
Değerlendirme: 4,2 (51 değerlendirme)
ne öğreneceksin
Kurs, modellerin organizasyonda konuşlandırılması ve oluşturulan modellerin uygulanması için gereken süreçlerle ilgilidir.
Kursun sonunda şunları yapabileceksiniz:
- Modellerin kuruluşta dağıtılma sürecini açıklayın.
- Dağıtımdan sonra modelin ömrünü yönetin.
- Modelleri yönetmek için teknikleri uygulayın.
Bu kursu kimler almalı?
Kurs, makine öğrenimi modelleri oluşturma konusunda uzmanlığa sahip mevcut veri bilimcilerini hedeflemektedir.
Hangi becerilere sahip olmalısınız?
- Doğrusal cebirin temel anlayışı.
- Örnekleme, olasılık teorisi ve olasılık dağılımlarının anlaşılması.
- Tanımlayıcı istatistik kavramları ve sonuçların çıkarılması bilgisi.
- Makine öğrenimi tekniklerinin genel anlaşılması.
- Python’un ve veri biliminde kullanılan paketlerin pratik olarak anlaşılması.
- IBM Watson Studio’ya giriş.
- Tasarım odaklı düşünme sürecine aşinalık.
kazanacağınız beceriler
- yapay zeka (AI)
- Veri bilimi
- Python programlama
- Bilgi mühendisliği
- makine öğrenimi
