AI เวิร์กโฟลว์: ลำดับความสำคัญของธุรกิจและการส่งผ่านข้อมูล เครือข่ายมหาวิทยาลัย

รายละเอียด

นี่เป็นหลักสูตรแรกของความเชี่ยวชาญหกส่วน คุณได้รับการสนับสนุนอย่างยิ่งให้เรียนจบหลักสูตรเหล่านี้ตามลำดับเนื่องจากหลักสูตรเหล่านี้ไม่ใช่หลักสูตรอิสระแต่ละหลักสูตร แต่เป็นส่วนหนึ่งของเวิร์กโฟลว์ที่แต่ละหลักสูตรสร้างขึ้นจากหลักสูตรก่อนหน้า

หลักสูตรแรกในความเชี่ยวชาญ IBM AI Enterprise Workflow Certification จะแนะนำขอบเขตของความเชี่ยวชาญและข้อกำหนดเบื้องต้น โดยเฉพาะหลักสูตรในความเชี่ยวชาญนี้มีไว้สำหรับฝึกฝนนักวิทยาศาสตร์ข้อมูลที่มีความรู้เกี่ยวกับความน่าจะเป็นสถิติพีชคณิตเชิงเส้นและเครื่องมือ Python สำหรับวิทยาศาสตร์ข้อมูลและการเรียนรู้ของเครื่อง บริษัท สื่อสตรีมมิ่งสมมุติจะได้รับการแนะนำให้เป็นลูกค้าใหม่ของคุณ คุณจะได้รู้จักกับแนวคิดการคิดออกแบบ IBMs framework สำหรับการจัดโครงการ AI ขนาดใหญ่ขององค์กร นอกจากนี้คุณจะได้รับการแนะนำให้รู้จักกับพื้นฐานของการคิดเชิงวิทยาศาสตร์เนื่องจากคุณภาพที่ทำให้นักวิทยาศาสตร์ข้อมูลผู้ช่ำชองแตกต่างจากผู้เริ่มต้นคือความคิดสร้างสรรค์และเป็นวิทยาศาสตร์ ในที่สุดคุณจะเริ่มงานของคุณให้กับ บริษัท สื่อสมมุติโดยทำความเข้าใจข้อมูลที่พวกเขามีและด้วยการสร้างไปป์ไลน์การนำเข้าข้อมูลโดยใช้โน้ตบุ๊ก Python และ Jupyter

ในตอนท้ายของหลักสูตรนี้คุณควรจะสามารถ:
1. ทราบข้อดีของการดำเนินวิทยาศาสตร์ข้อมูลโดยใช้กระบวนการที่มีโครงสร้าง
2. อธิบายว่าขั้นตอนของการคิดออกแบบสอดคล้องกับขั้นตอนการทำงานขององค์กร AI อย่างไร
3. หารือเกี่ยวกับกลยุทธ์ต่างๆที่ใช้ในการจัดลำดับความสำคัญของโอกาสทางธุรกิจ
4. อธิบายว่าวิทยาศาสตร์ข้อมูลและวิศวกรรมข้อมูลมีความทับซ้อนกันมากที่สุดในเวิร์กโฟลว์ AI
5. อธิบายวัตถุประสงค์ของการทดสอบในการนำเข้าข้อมูล
6. อธิบายกรณีการใช้งานสำหรับเมทริกซ์แบบกระจัดกระจายเป็นปลายทางเป้าหมายสำหรับการนำเข้าข้อมูล
7. ทราบขั้นตอนเริ่มต้นที่สามารถนำไปสู่การทำงานอัตโนมัติของท่อส่งผ่านข้อมูล

ใครควรเข้าคอร์สนี้
หลักสูตรนี้มุ่งเน้นไปที่ผู้ปฏิบัติงานด้านวิทยาศาสตร์ข้อมูลที่มีอยู่ซึ่งมีความเชี่ยวชาญในการสร้างรูปแบบการเรียนรู้ด้วยเครื่องจักรซึ่งต้องการเพิ่มพูนทักษะในการสร้างและปรับใช้ AI ในองค์กรขนาดใหญ่ หากคุณเป็นนักวิทยาศาสตร์ด้านข้อมูลที่ต้องการหลักสูตรนี้ไม่เหมาะสำหรับคุณเนื่องจากคุณต้องการความเชี่ยวชาญในโลกแห่งความเป็นจริงเพื่อรับประโยชน์จากเนื้อหาของหลักสูตรเหล่านี้

คุณควรมีทักษะอะไร
มันจะถือว่าคุณมีความเข้าใจที่มั่นคงในหัวข้อต่อไปนี้ก่อนที่จะเริ่มหลักสูตรนี้: ความเข้าใจพื้นฐานของพีชคณิตเชิงเส้น; ทำความเข้าใจกับการสุ่มตัวอย่างทฤษฎีความน่าจะเป็นและการแจกแจงความน่าจะเป็น ความรู้เกี่ยวกับแนวคิดเชิงสถิติเชิงพรรณนาและเชิงอนุมาน ความเข้าใจทั่วไปของเทคนิคการเรียนรู้ด้วยเครื่องและแนวปฏิบัติที่ดีที่สุด ฝึกความเข้าใจเกี่ยวกับ Python และแพ็คเกจที่ใช้กันทั่วไปในด้านวิทยาศาสตร์ข้อมูล: NumPy, Pandas, matplotlib, scikit-Learn; ความคุ้นเคยกับ IBM Watson Studio; ความคุ้นเคยกับกระบวนการคิดการออกแบบ