Kurs
Uczenie maszynowe dla biznesu
PodstawowyPoziom umiejętności
Zaktualizowano 11.2024
TheoryMachine Learning2 godz.15 filmów48 Ćwiczeń3,200 XP46,634Zaświadczenie o ukończeniu
Utwórz bezpłatne konto
Kontynuuj z GooglePokaż więcej opcjilub
Kontynuując, akceptujesz nasze Warunki korzystania, naszą Politykę prywatności i fakt, że twoje dane są przechowywane w USA.
Uwielbiany przez kursantów z tysięcy firm
Szkolisz zespół?
Wypróbuj dla firmOpis kursu
Poznaj podstawy uczenia maszynowego
Ten kurs wprowadzi liderów biznesu w kluczowe elementy uczenia maszynowego. Skupimy się na kluczowych wnioskach i podstawowych praktykach dotyczących tego, jak strukturyzować pytania biznesowe jako projekty modelowania we współpracy z zespołami machine learning.
Zanurz się w szczegóły modelu
Zrozumiesz różne typy modeli, jakie pytania biznesowe pomagają one rozwiązać oraz jakie możliwości mogą odkryć, a także nauczysz się rozpoznawać sytuacje, w których uczenie maszynowe nie powinno NOT być stosowane, co jest równie ważne. Zrozumiesz różnicę między wnioskowaniem a predykcją, przewidywaniem prawdopodobieństwa i wartości oraz to, jak wykorzystanie uczenia nienadzorowanego może pomóc w budowaniu skutecznej strategii segmentacji klientów.
Wymagania wstępne
Ten kurs nie ma żadnych wymagań wstępnych1
Uczenie maszynowe i zastosowania danych
Uczenie maszynowe jest wykorzystywane w wielu branżach i dziedzinach. Odpowiednio zastosowane może fundamentalnie usprawnić działanie firmy. Ten rozdział omawia przypadki użycia uczenia maszynowego, role zawodowe oraz ich miejsce w piramidzie potrzeb związanych z danymi.
2
Typy uczenia maszynowego
Ten rozdział przedstawia przegląd różnych typów uczenia maszynowego. Przyjrzymy się różnicom między modelami przyczynowymi a predykcyjnymi, zbadamy uczenie nadzorowane i nienadzorowane, a na koniec poznamy podtypy uczenia nadzorowanego: klasyfikację i regresję.
3
Wymagania biznesowe i projektowanie modeli
Ten rozdział omawia kluczowe etapy określania wymagań biznesowych, identyfikowania i oceny możliwości zastosowania uczenia maszynowego, mierzenia wydajności modeli oraz rozpoznawania związanych z tym ryzyk.
4
Zarządzanie projektami uczenia maszynowego
Ten rozdział przedstawia najlepsze i najgorsze praktyki zarządzania projektami uczenia maszynowego. Omówimy najczęstsze błędy w tej dziedzinie, sposoby zarządzania komunikacją między zespołami biznesowymi a zespołami uczenia maszynowego, a także wyzwania związane z wdrażaniem modeli do środowiska produkcyjnego.
Uczenie maszynowe dla biznesu
Kurs ukończony
Zdobądź zaświadczenie o ukończeniu
Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysuUdostępnij to w mediach społecznościowych i podczas oceny wyników pracyZapisz się teraz
Dołącz do ponad 19 milionów kursantów i zacznij Uczenie maszynowe dla biznesu już dziś!
Utwórz bezpłatne konto
Kontynuuj z GooglePokaż więcej opcjilub
Kontynuując, akceptujesz nasze Warunki korzystania, naszą Politykę prywatności i fakt, że twoje dane są przechowywane w USA.
Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych
Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.