L'intelligenza artificiale (AI) e l'apprendimento automatico (ML) sono diventati parti essenziali di molte organizzazioni. Se utilizzati in modo efficace, questi strumenti forniscono informazioni utili che facilitano il processo decisionale critico e consentono alle organizzazioni di creare prodotti e servizi entusiasmanti, nuovi e innovativi. Questo corso mostra come applicare vari approcci e algoritmi per risolvere problemi aziendali tramite AI e ML, il tutto seguendo un flusso di lavoro metodico per sviluppare soluzioni basate sui dati.
Misura il tuo livello di preparazione per l'implementazione di soluzioni di Intelligenza Artificiale!
Vuoi scoprire quanto sei pronto per integrare soluzioni di Intelligenza Artificiale nella tua attività? Partecipa alla nostra valutazione e scopri esattamente a che punto sei. Questo test ti fornirà una visione chiara della tua capacità di adottare e implementare in modo efficace le tecnologie AI.
Segui i passaggi seguenti per accedere alla piattaforma CHOICE e avviare il test.
Codice di accesso: AAK3TBXEEK
- Accedi alla piattaforma SCELTA: Verrai reindirizzato alla pagina di accesso.
- Registrati come nuovo utente: Nella sezione “Nuovo utente”, inserire il codice di accesso e premere il pulsante "ISCRIVERSI".
- Compila il modulo di registrazione: Completa tutti i campi obbligatori. Scegli un nome utente e una password (la password deve essere lunga almeno 6 caratteri e includere almeno un numero).
- Registrazione completa: Dopo aver completato il modulo, verrai reindirizzato alla pagina principale di SCELTA.
- Login: Nella pagina principale, nella sezione "Utente di ritorno", inserisci il nome utente e la password che hai creato.
- Accedi alla valutazione: Vedrai lo schermo "Schermata del corso", dove apparirà il titolo del test associato al codice di accesso.
- Inizia il test: Fare clic su il titolo della prova per avviare la valutazione.
- Accedi alla piattaforma SCELTA
- Login: Nella sezione "Utente di ritorno", inserisci il tuo nome utente e la tua password.
- Aggiungi un nuovo corso: Fare clic su "Aggiungi un corso".
- Iscriviti al corso: Nella finestra che appare, inserisci il codice di accesso e premi su "ISCRIVERSI".
- Accedi alla valutazione: Schermo "Schermata del corso" ora mostrerà tutti i tuoi corsi
- Inizia il test: Clicca sul titolo scelto per avviare la valutazione.
In questo corso svilupperai soluzioni di intelligenza artificiale per problemi aziendali. Desideri:
- Risolvi un problema aziendale specifico utilizzando l'intelligenza artificiale e il machine learning.
- Preparare i dati per l'utilizzo nell'apprendimento automatico.
- Formerai, valuterai e ottimizzerai un modello di machine learning.
- Costruisci modelli di regressione lineare.
- Costruisci modelli di previsione.
- Costruisci modelli di classificazione utilizzando la regressione logistica e il vicino più vicino k.
- Costruisci modelli di clustering.
- Costruisci modelli di classificazione e regressione utilizzando alberi decisionali e strutture casuali.
- Costruisci modelli di classificazione e regressione utilizzando le macchine a vettori di supporto (SVM).
- Costruisci reti neurali artificiali per il deep learning.
- Metti in pratica i modelli di machine learning utilizzando processi automatizzati.
- Mantieni pipeline e modelli di machine learning mentre sono in produzione.
Per seguire questo corso, devi avere familiarità con i concetti alla base della scienza dei dati, tra cui:
- Il processo complessivo di data science e machine learning end-to-end: formulazione del problema; raccolta e preparazione dei dati; analisi dei dati; ingegneria e preelaborazione dei dati; formazione, messa a punto e valutazione di un modello; e completare un modello.
- Concetti statistici come campionamento, verifica di ipotesi, distribuzione di probabilità, casualità, ecc.
- Statistiche riassuntive come media, mediana, moda, intervallo interquartile (IQR), deviazione standard, asimmetria, ecc.
- Grafici, tabelle, diagrammi e altri metodi di analisi visiva dei dati.
Puoi acquisire questo livello di abilità e conoscenze frequentando il corso CertNexus Certificato Data Science Practitioner (CDSP) (esame DSP-110).
Devi anche essere a tuo agio nello scrivere codice nel linguaggio di programmazione Python, incluso l'utilizzo delle librerie fondamentali di data science Python come NumPy e panda.
Lezione 1: Risoluzione dei problemi aziendali utilizzando l'intelligenza artificiale e il machine learning
- Argomento A: identificare soluzioni di intelligenza artificiale e machine learning per problemi aziendali
- Argomento B: Formulazione di un problema di Machine Learning
- Argomento C: selezionare gli approcci al machine learning
Lezione 2: Preparazione dei dati
- Argomento A: raccolta dati
- Argomento B: Trasformare i dati
- Argomento C: Funzionalità dell'ingegnere
- Argomento D: lavorare con dati non strutturati
Lezione 3: Formazione, valutazione e messa a punto di un modello di machine learning
- Argomento A: Addestrare un modello di machine learning
- Argomento B: valutare e ottimizzare un modello di machine learning
Lezione 4: Costruzione di modelli di regressione lineare
- Argomento A: Costruire modelli di regressione utilizzando modelli lineari Algebra
- Argomento B: costruire modelli di regressione lineare regolarizzata
- Argomento C: costruire modelli di regressione lineare iterativi
Lezione 5: Costruire modelli di previsione
- Argomento A: creazione di modelli di serie temporali univariati
- Argomento B: creazione di modelli di serie temporali multivariati
Lezione 6: Costruire modelli di classificazione utilizzando la regressione logistica e il vicino k-più vicino
- Argomento A: Addestrare modelli di classificazione binaria utilizzando la regressione logistica
- Argomento B: addestramento di modelli di classificazione binaria utilizzando il vicino k-più vicino
- Argomento C: Addestrare modelli di classificazione multiclasse
- Argomento D: Valutare i modelli di classificazione
- Argomento E: modelli di classificazione di ottimizzazione
Lezione 7: Creazione di modelli di clustering
- Argomento A: costruire modelli di clustering k-Means
- Argomento B: costruire modelli di clustering gerarchico
Lezione 8: Costruzione di alberi decisionali e foreste casuali
- Argomento A: Costruire modelli di alberi decisionali
- Argomento B: Costruisci modelli di foreste casuali
Lezione 9: Costruire macchine con vettori di supporto
- Argomento A: creare modelli SVM per la classificazione
- Argomento B: creare modelli SVM per la regressione
Lezione 10: Costruire Reti Neurali Artificiali
- Argomento A: costruire percettroni multistrato (MLP)
- Argomento B: costruire reti neurali convoluzionali (CNN)
- Argomento C: costruire reti neurali ricorrenti (RNN)
Lezione 11: Operazionalizzare i modelli di Machine Learning
- Argomento A: Distribuire modelli di machine learning
- Argomento B: automatizzare il processo di machine learning con MLOps
- Argomento C: Integrazione dei modelli nei sistemi di machine learning
Lezione 12: Mantenere le operazioni di machine learning
- Argomento A: Apprendimento automatico sicuro Pipelines
- Argomento B: mantenere i modelli in produzione
- CertNexus - Certificato Data Science Professionista (CDSP)
Questo corso è progettato per aiutare i partecipanti a prepararsi per l'accreditamento CertNexus® Professionista certificato in Intelligenza Artificiale (AI) (Esame AIP-210).
