After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Opis 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 wymagań wstępnych
Program kursu
Plan kursu
1
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.
- Uczenie maszynowe i piramida danych50 XP
- Wyjaśnienie terminologii50 XP
- Ułóż poziomy piramidy danych100 XP
- Dopasuj zadania do piramidy danych100 XP
- Zasady uczenia maszynowego50 XP
- Typy modelowania50 XP
- Rozpoznaj przypadki uczenia nadzorowanego i nienadzorowanego100 XP
- Role zawodowe, narzędzia i technologie50 XP
- Obowiązki na poszczególnych stanowiskach50 XP
- Dopasuj projekty do ról zawodowych100 XP
- Typy struktur zespołów100 XP
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.
R
Uczenie maszynowe dla biznesu
Kurs
ukończony
