Dies ist der sechste Kurs im Rahmen der IBM AI Enterprise Workflow Certification Spezialisierung. Wir empfehlen Ihnen DRINGEND, diese Kurse der Reihe nach zu absolvieren, da sie nicht unabhängig voneinander sind, sondern Teil eines Workflows, bei dem jeder Kurs auf den vorherigen aufbaut.

Dieser Kurs konzentriert sich auf Modelle in der Produktion eines hypothetischen Streaming Media-Unternehmens. Es gibt eine Einführung in IBM Watson Machine Learning. Sie werden Ihre eigene API in einem Docker-Container erstellen und lernen, wie man Container mit Kubernetes verwaltet. Der Kurs stellt auch verschiedene andere Tools aus dem IBM Ökosystem vor, die bei der Bereitstellung oder Wartung von Modellen in der Produktion helfen. Der KI-Workflow ist kein linearer Prozess, daher wird den wichtigsten Feedbackschleifen etwas Zeit gewidmet, um eine effiziente Iteration des gesamten Workflows zu fördern. Am Ende dieses Kurses werden Sie in der Lage sein: 1. Docker verwenden, um eine Flask-Anwendung bereitzustellen 2. Eine einfache Benutzeroberfläche bereitstellen, um das ML-Modell, Watson NLU und Watson Visual Recognition zu integrieren 3. Diskutieren Sie die grundlegende Kubernetes-Terminologie 4. Stellen Sie eine skalierbare Webanwendung auf Kubernetes bereit 5. Diskutieren Sie die verschiedenen Feedback-Schleifen im KI-Workflow 6. Diskutieren Sie die Verwendung von Unit-Tests im Zusammenhang mit der Modellproduktion 7. Verwenden Sie IBM Watson OpenScale, um die Verzerrungen und die Leistung von maschinellen Lernmodellen in der Produktion zu bewerten. Wer sollte diesen Kurs besuchen? Dieser Kurs richtet sich an Data-Science-Experten, die Erfahrung mit der Entwicklung von maschinellen Lernmodellen haben und ihre Kenntnisse über die Entwicklung und den Einsatz von KI in großen Unternehmen vertiefen möchten. Wenn Sie ein aufstrebender Data Scientist sind, ist dieser Kurs NICHT für Sie geeignet, da Sie reale Erfahrungen benötigen, um von den Inhalten dieser Kurse zu profitieren. Welche Kenntnisse sollten Sie mitbringen? Es wird vorausgesetzt, dass Sie die Kurse 1 bis 5 der IBM AI Enterprise Workflow Spezialisierung abgeschlossen haben und über ein solides Verständnis der folgenden Themen verfügen, bevor Sie diesen Kurs beginnen: Grundlegendes Verständnis der Linearen Algebra; Verständnis von Stichprobenverfahren, Wahrscheinlichkeitstheorie und Wahrscheinlichkeitsverteilungen; Kenntnisse von deskriptiven und inferenzstatistischen Konzepten; allgemeines Verständnis von Techniken des maschinellen Lernens und Best Practices; geübtes Verständnis von Python und den in der Datenwissenschaft häufig verwendeten Paketen: NumPy, Pandas, matplotlib, scikit-learn; Vertrautheit mit IBM Watson Studio; Vertrautheit mit dem Design Thinking-Prozess.