Depois de fazer esses cursos, sinto-me confiante para criar visualizações e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
Descrição do curso
Aprenda os conceitos básicos de aprendizado de máquina
Este curso apresentará os principais elementos do aprendizado de máquina para os líderes de negócios. Vamos nos concentrar nos principais insights e nas práticas básicas de como estruturar questões comerciais como projetos de modelagem com as equipes de aprendizado de máquina.
Mergulhe nas especificidades do modelo
Você entenderá os diferentes tipos de modelos, que tipo de perguntas comerciais eles ajudam a responder ou que tipo de oportunidades eles podem descobrir, além de aprender a identificar situações em que o aprendizado de máquina NÃO deve ser aplicado, o que é igualmente importante. Você entenderá a diferença entre inferência e previsão, prevendo probabilidade e valores, e como o uso do aprendizado não supervisionado pode ajudar a criar uma estratégia significativa de segmentação de clientes.
Pré-requisitos
Não há pré-requisitos para este curso
Programa de estudos
Conteúdo do curso
1
Casos de uso de machine learning e dados
Machine Learning é usado em muitos setores e áreas. Quando aplicado corretamente, pode transformar o negócio. Este capítulo apresenta casos de uso de machine learning, papéis de trabalho e como eles se encaixam na pirâmide de necessidades de dados.
- Machine Learning e a pirâmide de dados50 XP
- Esclarecimento de terminologia50 XP
- Ordene as necessidades da pirâmide de dados100 XP
- Combine tarefas na pirâmide de dados100 XP
- Princípios de Machine Learning50 XP
- Tipos de modelagem50 XP
- Encontre casos supervisionados e não supervisionados100 XP
- Funções, ferramentas e tecnologias50 XP
- Responsabilidades por função50 XP
- Relacione projetos de dados com funções de trabalho100 XP
- Tipos de estrutura de equipe100 XP
2
Tipos de machine learning
Este capítulo apresenta uma visão geral dos diferentes tipos de machine learning. Vamos analisar as diferenças entre modelos causais e de predição, explorar aprendizado supervisionado e não supervisionado e, por fim, entender os subtipos do aprendizado supervisionado: classificação e regressão.
3
Requisitos de negócio e design de modelos
Este capítulo revisa as etapas essenciais para detalhar requisitos de negócio, identificar e dimensionar oportunidades de machine learning, avaliar o desempenho do modelo e identificar possíveis riscos de performance ao longo do processo.
4
Gerenciando projetos de machine learning
Este capítulo aborda as melhores e piores práticas de gestão de projetos de machine learning. Vamos identificar os erros mais comuns, aprender a gerenciar a comunicação entre as áreas de negócio e as equipes de ML e, por fim, tratar dos desafios ao colocar modelos de machine learning em produção.
R
Machine Learning for Business
Curso
concluído
