在线课程 – IBM AI Enterprise Workflow 专业认证

通过简单美味的食谱、有用的提示和准备特殊菜肴的艺术来提高您的烹饪技巧。完美菜肴的实现从这里开始！

Suggested by: Coursera (What is Coursera?)

Start your Coursera.com free trial today
在线课程 - IBM AI Enterprise Workflow 专业认证

Professional Certificate

高深

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • 业务优先级和技术应用程序之间的明确联系。
  • 将机器学习与人工智能的特殊用例联系起来，例如视觉识别和自然语言处理。
  • 将 Python 连接到 IBM 云技术。
  • 使用 IBM Cloud 中的企业级工具创建、启动和测试机器学习模型。
  • 使用 Jupyter 笔记本和 Python 库进行数据准备和建模。
  • 在 IBM Cloud 中使用 IBM Watson 工具。

What you will learn in the course

Courses for which the course is suitable

  • 数据科学专家
  • 数据分析师
  • 开发人工智能
  • 机器学习工程师
  • 人工智能专家
  • 开发 AI 解决方案
  • 数据项目经理
  • 数据技术顾问
  • 具有数据专业专业的软件开发人员
  • 自然语言处理专家
  • 视觉识别专家

专业化 – 课程系列 6

这个包含 6 节课的课程系列旨在帮助您为 IBM AI Enterprise Workflow V1 数据科学专家认证考试做好准备。IBM AI Enterprise Workflow 是一个全面的流程，使数据专业人员能够构建 AI 解决方案，从业务优先级到生产流程。

该学习旨在通过以下方式提升专业数据专家的技能：

  • 业务优先级和技术应用程序之间的明确联系。
  • 将机器学习与人工智能的特殊用例联系起来，例如视觉识别和自然语言处理。
  • 将 Python 连接到 IBM 云技术。

这些课程中的视频、阅读材料和案例研究旨在指导您完成在一家虚构的流媒体公司担任数据专家的工作。

专业重点

在本次实习期间，重点将放在大型现代组织的数据科学流程上。引导您完成在 IBM Cloud 中使用企业级工具的过程，这些工具将用于创建、启动和测试机器学习模型。

您最喜欢的开源工具（例如 Jupyter 笔记本和 Python 库）将广泛用于数据准备和建模。这些模型将在 IBM Cloud 中使用 IBM Watson 工具实现，这些工具可与开源工具无缝协作。

成功完成此专业化后，您将准备好参加 IBM AI Enterprise Workflow 的官方 IBM 认证考试。

Details of the courses that make up the specialization

AI 工作流程：业务优先级和数据输入

课程 1

行程时间： 7 小时

评分： 4.3 （159 ratings）

学习内容

IBM Business AI Workflow 认证的第一门课程向您介绍您的专业领域和先决条件。这些课程专为了解概率、统计、线性代数和 Python 工具的实用数据科学家而设计。

在课程结束时，您将能够：

  • 了解通过结构化流程执行数据科学的好处。
  • 描述设计思维阶段如何适应 AI for Business 工作流程。
  • 讨论一些对商业机会进行排名的策略。
  • 说明 AI 工作流中数据科学和数据工程的重叠位置。
  • 通过输入数据来说明测试的目的。
  • 描述在缺少矩阵的情况下的用途。
  • 了解自动化数据输入管道的初始步骤。

谁应该参加这门课程？

该课程面向具有构建机器学习模型专业知识的现有数据科学家。

你应该具备什么技能？

  • 对线性代数的基本理解。
  • 对抽样、概率理论和概率分布的理解。
  • 了解描述性统计和推理的概念。
  • 对机器学习技术有大致的了解。
  • 对 Python 和数据科学中使用的包有实际的了解。
  • IBM Watson Studio 简介。
  • 熟悉设计思维过程。

您将获得的技能

  • 人工智能 （AI）
  • 数据科学
  • Python 编程
  • 信息工程
  • 机器学习

人工智能工作流程：数据分析和假设检验

课程 2

行程时间： 10 小时

评分： 4.2 （110 评分）

学习内容

在本课程中，您将通过执行探索性数据分析 （EDA） 来开始为一家假设的媒体公司工作。您将了解数据可视化、处理缺失数据和假设检验的最佳实践。

在课程结束时，您将能够：

  • 记录有关 EDA 和数据可视化的最佳实践。
  • 在 Watson Studio 中创建一个简单的仪表板。
  • 描述处理缺失数据的策略。
  • 解释冲压和多重冲压的区别。
  • 使用常见分布回答概率问题。
  • 解释探索性测试在 EDA 中的作用。
  • 应用不同的方法来处理多个测试。

谁应该参加这门课程？

该课程面向具有构建机器学习模型专业知识的现有数据科学家。

你应该具备什么技能？

  • 对线性代数的基本理解。
  • 对抽样、概率理论和概率分布的理解。
  • 了解描述性统计和推理的概念。
  • 对机器学习技术有大致的了解。
  • 对 Python 和数据科学中使用的包有实际的了解。
  • IBM Watson Studio 简介。
  • 熟悉设计思维过程。

您将获得的技能

  • 人工智能 （AI）
  • 数据科学
  • Python 编程
  • 信息工程
  • 机器学习

AI 工作流程：属性工程和偏差检测

课程 3

持续时间： 12 小时

评分： 4.4 （68 评分）

学习内容

本课程介绍了我们假设的媒体公司工作流程的下一步。了解特征工程、解决类别之间的不平等以及检测数据中的偏差的最佳实践。

在课程结束时，您将能够：

  • 使用工具解决类别之间的不平等问题。
  • 解释有关数据中偏见的道德考虑。
  • 使用开源 Fairness 360 库检测模型中的偏差。
  • 在 EDA 阶段执行降维技术。
  • 描述自然语言处理中的主题建模技术。
  • 实施处理数据异常的最佳实践。
  • 实施算法来检测异常。
  • 实施无监督学习技术。
  • 实现聚类分析的基本算法。

谁应该参加这门课程？

该课程面向具有构建机器学习模型专业知识的现有数据科学家。

你应该具备什么技能？

  • 对线性代数的基本理解。
  • 对抽样、概率理论和概率分布的理解。
  • 了解描述性统计和推理的概念。
  • 对机器学习技术有大致的了解。
  • 对 Python 和数据科学中使用的包有实际的了解。
  • IBM Watson Studio 简介。
  • 熟悉设计思维过程。

您将获得的技能

  • 人工智能 （AI）
  • 数据科学
  • Python 编程
  • 信息工程
  • 机器学习

AI 工作流程：机器学习、视觉识别和自然语言处理

课程 4

持续时间： 13 小时

评分： 4.4 （78 评分）

学习内容

第四门课程涉及工作流程的下一步，为一家假设的媒体公司定义模型和相关的数据管道。

在课程结束时，您将能够：

  • 讨论回归、分类和多重分类矩阵。
  • 解释线性回归和 Logistic 回归的用法。
  • 描述搜索网络和进行交叉测试的策略。
  • 将评估指标应用于选择模型。
  • 解释基于树的算法的用法。
  • 解释神经网络的用途。
  • 在 Tensorflow 中创建神经网络模型。
  • 创建并测试 Watson Visual Recognition 的实例。
  • 创建并测试 Watson NLU 实例。

谁应该参加这门课程？

该课程面向具有构建机器学习模型专业知识的现有数据科学家。

你应该具备什么技能？

  • 对线性代数的基本理解。
  • 对抽样、概率理论和概率分布的理解。
  • 了解描述性统计和推理的概念。
  • 对机器学习技术有大致的了解。
  • 对 Python 和数据科学中使用的包有实际的了解。
  • IBM Watson Studio 简介。
  • 熟悉设计思维过程。

您将获得的技能

  • 人工智能 （AI）
  • 数据科学
  • Python 编程
  • 信息工程
  • 机器学习

人工智能工作流程：在组织中部署模型

课程 5

行程时间： 9 小时

评分： 4.2 （51 评分）

学习内容

该课程涉及模型中的模型部署以及实现构建模型所需的过程。

在课程结束时，您将能够：

  • 说明在组织中部署模型的过程。
  • 在部署后管理模型的生命周期。
  • 实施模型管理技术。

谁应该参加这门课程？

该课程面向具有构建机器学习模型专业知识的现有数据科学家。

你应该具备什么技能？

  • 对线性代数的基本理解。
  • 对抽样、概率理论和概率分布的理解。
  • 了解描述性统计和推理的概念。
  • 对机器学习技术有大致的了解。
  • 对 Python 和数据科学中使用的包有实际的了解。
  • IBM Watson Studio 简介。
  • 熟悉设计思维过程。

您将获得的技能

  • 人工智能 （AI）
  • 数据科学
  • Python 编程
  • 信息工程
  • 机器学习

相关产品