A mesterséges intelligencia (AI) és a gépi tanulás (ML) számos szervezet elengedhetetlen részévé vált. Hatékony használat esetén ezek az eszközök hasznos információkkal szolgálnak, amelyek megkönnyítik a kritikus döntéshozatalt, és lehetővé teszik a szervezetek számára, hogy izgalmas, új és innovatív termékeket és szolgáltatásokat hozzanak létre. Ez a kurzus bemutatja, hogyan alkalmazhat különféle megközelítéseket és algoritmusokat üzleti problémák megoldására AI és ML segítségével, miközben egy módszeres munkafolyamatot követ az adatvezérelt megoldások fejlesztéséhez.
Mérje meg felkészültségi szintjét a Mesterséges Intelligencia megoldások megvalósítására!
Szeretné tudni, mennyire készen áll arra, hogy a mesterséges intelligencia megoldásait integrálja tevékenységébe? Vegye ki értékelésünket, és derítse ki, hogy pontosan hol tart. Ez a teszt világos betekintést nyújt az AI-technológiák hatékony átvételére és megvalósítására.
Kövesse az alábbi lépéseket a CHOICE platform eléréséhez és a teszt elindításához.
Hozzáférési kód: AAK3TBXEEK
- Hozzáférés a platformhoz CHOICE: A rendszer átirányítja a bejelentkezési oldalra.
- Regisztráció új felhasználóként: A szakaszban "Új felhasználó", írja be a hozzáférési kódot, és nyomja meg a gombot "REGISZTRÁLJ".
- Töltse ki a regisztrációs űrlapot: Töltse ki az összes kötelező mezőt. Válasszon felhasználónevet és jelszót (a jelszónak legalább 6 karakter hosszúnak kell lennie, és legalább egy számot kell tartalmaznia).
- Teljes regisztráció: Az űrlap kitöltése után a rendszer átirányítja a fő VÁLASZTÁS oldalra.
- Bejelentkezés: A főoldalon, a rovatban "Visszatérő felhasználó", írja be a létrehozott felhasználónevet és jelszót.
- Az értékelés elérése: Látni fogja a képernyőt "Tanfolyam képernyője", ahol megjelenik a hozzáférési kódhoz tartozó teszt címe.
- Indítsa el a tesztet: Kattintson rá a teszt címe az értékelés megkezdéséhez.
- Hozzáférés a platformhoz CHOICE
- Bejelentkezés: A szakaszban "Visszatérő felhasználó", adja meg felhasználónevét és jelszavát.
- Új kurzus hozzáadása: Kattintson rá „Tanfolyam hozzáadása”.
- Jelentkezzen a tanfolyamra: A megjelenő ablakban írja be a hozzáférési kódot, és nyomja meg a gombot "REGISZTRÁLJ".
- Az értékelés elérése: kijelző "Tanfolyam képernyője" most megmutatja az összes kurzusát
- Indítsa el a tesztet: Kattintson a kiválasztott címre az értékelés elindításához.
Ezen a tanfolyamon mesterséges intelligencia megoldásokat fejleszthetsz üzleti problémákra. Fogsz:
- Egy adott üzleti probléma megoldása AI és ML segítségével.
- Adatok előkészítése a gépi tanulásban való használatra.
- Gépi tanulási modellt tanít, értékel és hangol.
- Lineáris regressziós modellek készítése.
- Készítsen előrejelzési modelleket.
- Osztályozási modellek készítése logisztikus regresszió és k -legközelebbi szomszéd segítségével.
- Klaszterezési modellek készítése.
- Osztályozási és regressziós modellek készítése döntési fák és véletlenszerű struktúrák segítségével.
- Osztályozási és regressziós modellek készítése támogató vektorgépek (SVM) segítségével.
- Építsen mesterséges neurális hálózatokat a mély tanuláshoz.
- Működtesse a gépi tanulási modelleket automatizált folyamatok segítségével.
- Gépi tanulási folyamatok és modellek karbantartása gyártás közben.
A tanfolyam elvégzéséhez ismernie kell az adattudomány alapfogalmait, beleértve:
- Az átfogó, end-to-end adattudományi és gépi tanulási folyamat: probléma megfogalmazása; adatgyűjtés és -előkészítés; adatelemzés; adattervezés és előfeldolgozás; modell betanítása, hangolása és értékelése; és egy modell elkészítése.
- Statisztikai fogalmak, mint a mintavétel, a hipotézisvizsgálat, a valószínűségi eloszlás, a véletlenszerűség stb.
- Összefoglaló statisztikák, például átlag, medián, módus, interkvartilis tartomány (IQR), szórás, ferdeség stb.
- Grafikonok, diagramok, diagramok és egyéb vizuális adatelemzési módszerek.
Ilyen szintű készségeket és ismereteket szerezhet a tanfolyam elvégzésével CertNexus Vizsgázott Data Science Gyakorló (CDSP) (DSP-110 vizsga).
Kényelmesen kell kódot írnia Python programozási nyelven, beleértve az alapvető Python adattudományi könyvtárakat, például a NumPy-t és a pandákat.
1. lecke: Üzleti problémák megoldása AI és ML segítségével
- A téma: Az AI és ML megoldások azonosítása üzleti problémákra
- B témakör: Gépi tanulási probléma megfogalmazása
- C témakör: Válassza a Gépi tanulás megközelítései lehetőséget
2. lecke: Adatok előkészítése
- A téma: Adatgyűjtés
- B témakör: Adatok átalakítása
- C témakör: Mérnöki jellemzők
- D téma: Munka strukturálatlan adatokkal
3. lecke: Gépi tanulási modell betanítása, értékelése és hangolása
- A téma: Gépi tanulási modell betanítása
- B témakör: Gépi tanulási modell értékelése és hangolása
4. lecke: Lineáris regressziós modellek felépítése
- A. témakör: Regressziós modellek létrehozása lineáris Algebra
- B témakör: Regularizált lineáris regressziós modellek készítése
- C témakör: Iteratív lineáris regressziós modellek készítése
5. lecke: Előrejelzési modellek készítése
- A témakör: Egyváltozós idősoros modellek készítése
- B témakör: Többváltozós idősoros modellek készítése
6. lecke: Osztályozási modellek építése logisztikai regresszió és k-legközelebbi szomszéd segítségével
- A témakör: Bináris osztályozási modellek képzése logisztikai regresszió segítségével
- B témakör: Bináris osztályozási modellek képzése k-Legközelebbi szomszéd használatával
- C témakör: Több osztályos osztályozási modellek vonatozása
- D témakör: Osztályozási modellek értékelése
- E téma: Tune Classification Models
7. lecke: Klaszterezési modellek felépítése
- A témakör: K-Means klaszterezési modellek készítése
- B témakör: Hierarchikus klaszterezési modellek készítése
8. lecke: Döntési fák és véletlenszerű erdők építése
- A téma: Döntési famodellek készítése
- B témakör: Véletlenszerű erdőmodellek készítése
9. lecke: Tartó-vektor gépek építése
- A téma: SVM-modellek készítése az osztályozáshoz
- B témakör: SVM-modellek készítése regresszióhoz
10. lecke: Mesterséges neurális hálózatok építése
- A téma: Többrétegű perceptronok (MLP) készítése
- B témakör: Konvolúciós neurális hálózatok (CNN) építése
- C téma: Ismétlődő neurális hálózatok (RNN) létrehozása
11. lecke: Gépi tanulási modellek operacionalizálása
- A téma: Gépi tanulási modellek telepítése
- B témakör: A gépi tanulási folyamat automatizálása MLOp-okkal
- C témakör: Modellek integrálása a gépi tanulási rendszerekbe
12. lecke: A gépi tanulási műveletek karbantartása
- A. témakör: Biztonságos gépi tanulás Pipelines
- B témakör: Modellek fenntartása a termelésben
- CertNexus - Vizsgázott Data Science Gyakorló (CDSP)
A tanfolyam célja, hogy segítse a résztvevőket az akkreditációra való felkészülésben CertNexus® Minősített mesterséges intelligencia (AI) gyakorló (AIP-210 vizsga).
