Dies ist der zweite Kurs in der IBM KI Enterprise Workflow Certification Spezialisierung. Wir empfehlen Ihnen DRINGEND, diese Kurse der Reihe nach zu absolvieren, da es sich nicht um einzelne unabhängige Kurse handelt, sondern um einen Workflow, bei dem jeder Kurs auf den vorherigen aufbaut.

In diesem Kurs beginnen Sie Ihre Arbeit für ein hypothetisches Streaming Media-Unternehmen mit einer Explorativen Datenanalyse (EDA). Im Rahmen Ihrer Arbeit werden Ihnen bewährte Verfahren zur Datenvisualisierung, zum Umgang mit fehlenden Daten und zum Testen von Hypothesen vorgestellt. Sie lernen Techniken der Schätzung mit Wahrscheinlichkeitsverteilungen und der Erweiterung dieser Schätzungen zur Anwendung von Signifikanztests mit Null-Hypothesen. Sie werden das Gelernte anhand von zwei praktischen Fallstudien anwenden: Datenvisualisierung und Mehrfachtests unter Verwendung einer einfachen Pipeline. Am Ende dieses Kurses sollten Sie in der Lage sein: 1. Verschiedene Best Practices für Explorative Datenanalyse (EDA) und Datenvisualisierung auflisten 2. Erstellen Sie ein einfaches Dashboard in Watson Studio 3. Beschreiben Sie Strategien für den Umgang mit fehlenden Daten 4. Erklären Sie den Unterschied zwischen Imputation und multipler Imputation 5. Verwenden Sie gängige Verteilungen, um Fragen zu Ereigniswahrscheinlichkeiten zu beantworten 6. Erklären Sie die Rolle der Hypothesentests bei der Explorativen Datenanalyse (EDA) 7. Wenden Sie verschiedene Methoden für den Umgang mit Mehrfachtests an Wer sollte diesen Kurs besuchen? Dieser Kurs richtet sich an Data-Science-Praktiker, die Erfahrung mit der Erstellung von Modellen des Maschinellen Lernens haben und ihre Kenntnisse über die Entwicklung und Bereitstellung von KI in großen Unternehmen vertiefen möchten. Wenn Sie ein aufstrebender Data Scientist sind, ist dieser Kurs NICHT für Sie geeignet, da Sie über praktische Erfahrungen verfügen müssen, um von den Inhalten dieses Kurses zu profitieren. Welche Kenntnisse sollten Sie mitbringen? Es wird vorausgesetzt, dass Sie Kurs 1 der IBM KI Enterprise Workflow Specialization abgeschlossen haben und über ein solides Verständnis der folgenden Themen verfügen, bevor Sie diesen Kurs beginnen: Grundlegendes Verständnis der Linearen Algebra; Verständnis von Stichproben, 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.