After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrierea cursului
Învață bazele învățării automate
Acest curs va prezenta liderilor de afaceri elementele cheie ale învățării automate. Ne vom concentra pe ideile-cheie și pe practicile de bază privind modul de structurare a întrebărilor de business ca proiecte de modelare împreună cu echipele de machine learning.
Descoperă specificul modelului
Vei înțelege diferitele tipuri de modele, ce fel de întrebări de business te ajută să răspundă sau ce fel de oportunități pot descoperi, vei învăța, de asemenea, să identifici situațiile în care machine learning ar trebui NOT să fie aplicat, ceea ce este la fel de important. Vei înțelege diferența dintre inferență și predicție, prezicerea probabilităților și a cantităților, precum și modul în care utilizarea învățării nesupravegheate poate ajuta la construirea unei strategii semnificative de segmentare a clienților.
Cerințe prealabile
Nu există cerințe prealabile pentru acest curs
Curriculum
Structura cursului
1
Machine learning și cazuri de utilizare a datelor
Machine learning-ul este folosit în numeroase industrii și domenii. Aplicat corect, poate îmbunătăți fundamental o afacere. Acest capitol prezintă cazuri de utilizare a machine learning-ului, rolurile profesionale implicate și modul în care se integrează în piramida nevoilor de date.
- Învățare automată și piramida datelor50 XP
- Clarificarea terminologiei50 XP
- Ordonează nevoile piramidei de date100 XP
- Potrivește sarcinile în piramida datelor100 XP
- Principiile învățării automate50 XP
- Tipuri de modelare50 XP
- Identifică cazurile supervizate și nesupervizate100 XP
- Roluri profesionale, instrumente și tehnologii50 XP
- Responsabilitățile rolurilor în domeniul datelor50 XP
- Potrivește proiectele de date cu rolurile profesionale100 XP
- Tipuri de structuri de echipă100 XP
2
Tipuri de machine learning
Acest capitol oferă o privire de ansamblu asupra diferitelor tipuri de machine learning. Vom analiza diferențele dintre modelele cauzale și cele de predicție, vom explora învățarea supervizată și nesupervizată și, în final, vom înțelege subtipurile învățării supervizate: clasificarea și regresia.
3
Cerințe de business și proiectarea modelelor
Acest capitol trece în revistă pașii esențiali în definirea cerințelor de business, identificarea și dimensionarea oportunităților de machine learning, evaluarea performanței modelelor și identificarea riscurilor de performanță în acest proces.
4
Gestionarea proiectelor de machine learning
Acest capitol analizează cele mai bune și mai puțin bune practici în gestionarea proiectelor de machine learning. Vom identifica cele mai frecvente greșeli, vom învăța cum să gestionăm comunicarea dintre echipele de business și cele de ML și vom aborda provocările apărute la implementarea modelelor de machine learning în producție.
R
Machine Learning pentru afaceri
Curs
finalizat
