After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Вивчіть основи машинного навчання
Цей курс ознайомить бізнес-лідерів із ключовими елементами машинного навчання. Ми зосередимося на ключових висновках і базових практиках того, як структурувати бізнес-питання як проєкти моделювання разом із командами машинного навчання.
Пориньте в особливості моделі
Ви зрозумієте різні типи моделей, які бізнес-питання вони допомагають вирішувати або які можливості можуть виявити, а також навчитеся визначати ситуації, де слід застосовувати машинне навчання NOT, що є не менш важливим. Ви зрозумієте різницю між інференцією та прогнозуванням, прогнозуванням ймовірності та кількостей, а також те, як використання навчання без учителя може допомогти побудувати змістовну стратегію сегментації клієнтів.
Попередні вимоги
Для цього курсу немає попередніх вимог
Навчальний план
Зміст курсу
1
Машинне навчання та приклади використання даних
Машинне навчання застосовують у багатьох галузях і сферах. Якщо його застосовано правильно, воно може докорінно поліпшити бізнес. У цьому розділі описано приклади використання машинного навчання, ролі в командах і те, як вони вписуються в піраміду потреб у даних.
- Машинне навчання та піраміда даних50 XP
- Уточнення термінології50 XP
- Упорядкуйте потреби піраміди даних100 XP
- Співвіднесіть завдання з рівнями піраміди даних100 XP
- Принципи машинного навчання50 XP
- Типи моделювання50 XP
- Знайдіть приклади керованого й некерованого навчання100 XP
- Робочі ролі, інструменти та технології50 XP
- Обов'язки за ролями50 XP
- Відповідність між дата-проєктами та ролями100 XP
- Типи структур команди100 XP
2
Типи машинного навчання
Цей розділ подає огляд різних типів машинного навчання. Ми розглянемо відмінності між каузальними моделями та моделями для передбачень, дослідимо контрольоване й неконтрольоване навчання та, зрештою, зрозуміємо підтипи контрольованого навчання: класифікацію та регресію.
3
Бізнес-вимоги та проєктування моделі
У цьому розділі розглянуто ключові кроки визначення бізнес-вимог, виявлення та оцінювання можливостей для машинного навчання, оцінювання ефективності моделі та виявлення ризиків продуктивності в процесі.
4
Керування проєктами з машинного навчання
У цьому розділі ми розглянемо найкращі та найгірші практики керування проєктами з машинного навчання. Ми визначимо найпоширеніші помилки в ML, навчимося керувати комунікацією між бізнесом і ML-командами та, нарешті, обговоримо виклики під час розгортання моделей машинного навчання у продакшн.
R
Machine Learning для бізнесу
Курс
завершено
