AI Workflow: คุณสมบัติวิศวกรรมและการตรวจจับอคติ เครือข่ายมหาวิทยาลัย

รายละเอียด

หลักสูตรนี้เป็นหลักสูตรที่สามในความเชี่ยวชาญเฉพาะด้าน IBM AI Enterprise Workflow Certification คุณได้รับการสนับสนุนอย่างยิ่งให้เรียนจบหลักสูตรเหล่านี้ตามลำดับเนื่องจากหลักสูตรเหล่านี้ไม่ใช่หลักสูตรอิสระแต่ละหลักสูตร แต่เป็นส่วนหนึ่งของเวิร์กโฟลว์ที่แต่ละหลักสูตรสร้างขึ้นจากหลักสูตรก่อนหน้า

หลักสูตร 3 แนะนำขั้นตอนต่อไปของขั้นตอนการทำงานสำหรับ บริษัท สื่อสมมุติของเรา ในขั้นตอนนี้คุณจะได้เรียนรู้แนวทางปฏิบัติที่ดีที่สุดสำหรับวิศวกรรมคุณลักษณะการจัดการความไม่สมดุลของคลาสและการตรวจจับอคติในข้อมูล ความไม่สมดุลของชั้นเรียนอาจส่งผลกระทบอย่างมากต่อความถูกต้องของโมเดลการเรียนรู้ของเครื่องและการลดความลำเอียงในข้อมูลเป็นสิ่งสำคัญในการลดความเสี่ยงที่เกี่ยวข้องกับโมเดลที่มีอคติ หัวข้อเหล่านี้จะตามมาด้วยส่วนแนวทางปฏิบัติที่ดีที่สุดสำหรับการลดขนาดการตรวจจับค่าผิดปกติและเทคนิคการเรียนรู้ที่ไม่ได้รับการดูแลในการค้นหารูปแบบในข้อมูลของคุณ กรณีศึกษาจะมุ่งเน้นไปที่การสร้างแบบจำลองหัวข้อและการแสดงข้อมูล

ในตอนท้ายของหลักสูตรนี้คุณจะสามารถ:
1. ใช้เครื่องมือที่ช่วยจัดการปัญหาความไม่สมดุลของคลาสและคลาส
2. อธิบายข้อพิจารณาด้านจริยธรรมเกี่ยวกับอคติในข้อมูล
3. ใช้ไลบรารีโอเพนซอร์ส ai Fairness 360 เพื่อตรวจจับอคติในแบบจำลอง
4. ใช้เทคนิคการลดขนาดสำหรับทั้ง EDA และขั้นตอนการเปลี่ยนแปลง
5. อธิบายเทคนิคการสร้างแบบจำลองหัวข้อในการประมวลผลภาษาธรรมชาติ
6. ใช้การสร้างแบบจำลองหัวข้อและการแสดงภาพเพื่อสำรวจข้อมูลข้อความ
7. ใช้แนวทางปฏิบัติที่ดีที่สุดในการจัดการข้อมูลที่มีมิติสูง
8. ใช้อัลกอริธึมการตรวจหาค่าผิดปกติเป็นเครื่องมือประกันคุณภาพและเครื่องมือสร้างแบบจำลอง
9. ใช้เทคนิคการเรียนรู้ที่ไม่มีการดูแลโดยใช้ไปป์ไลน์เป็นส่วนหนึ่งของเวิร์กโฟลว์ AI
10. ใช้อัลกอริธึมการจัดกลุ่มพื้นฐาน

ใครควรเข้าคอร์สนี้
หลักสูตรนี้มุ่งเน้นไปที่ผู้ปฏิบัติงานด้านวิทยาศาสตร์ข้อมูลที่มีอยู่ซึ่งมีความเชี่ยวชาญในการสร้างรูปแบบการเรียนรู้ด้วยเครื่องจักรซึ่งต้องการเพิ่มพูนทักษะในการสร้างและปรับใช้ AI ในองค์กรขนาดใหญ่ หากคุณเป็นนักวิทยาศาสตร์ด้านข้อมูลที่ต้องการหลักสูตรนี้ไม่เหมาะสำหรับคุณเนื่องจากคุณต้องการความเชี่ยวชาญในโลกแห่งความเป็นจริงเพื่อรับประโยชน์จากเนื้อหาของหลักสูตรเหล่านี้

คุณควรมีทักษะอะไร
สันนิษฐานว่าคุณได้จบหลักสูตร 1 และ 2 ของความเชี่ยวชาญเวิร์กโฟลว์ IBM AI Enterprise และคุณมีความเข้าใจที่มั่นคงในหัวข้อต่อไปนี้ก่อนที่จะเริ่มหลักสูตรนี้: ความเข้าใจพื้นฐานของพีชคณิตเชิงเส้น; ทำความเข้าใจกับการสุ่มตัวอย่างทฤษฎีความน่าจะเป็นและการแจกแจงความน่าจะเป็น ความรู้เกี่ยวกับแนวคิดเชิงสถิติเชิงพรรณนาและเชิงอนุมาน ความเข้าใจทั่วไปของเทคนิคการเรียนรู้ด้วยเครื่องและแนวปฏิบัติที่ดีที่สุด ฝึกความเข้าใจเกี่ยวกับ Python และแพ็คเกจที่ใช้กันทั่วไปในด้านวิทยาศาสตร์ข้อมูล: NumPy, Pandas, matplotlib, scikit-Learn; ความคุ้นเคยกับ IBM Watson Studio; ความคุ้นเคยกับกระบวนการคิดการออกแบบ