Dies ist der vierte 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.
Kurs 4 behandelt die nächste Stufe des Workflows, die Einrichtung von Modellen und den dazugehörigen Datenpipelines für ein hypothetisches Streaming Media-Unternehmen. Das erste Thema befasst sich mit dem komplexen Thema der Bewertungsmetriken. Hier lernen Sie bewährte Verfahren für eine Reihe verschiedener Metriken kennen, darunter Regressionsmetriken, Klassifizierungsmetriken und Multiklassenmetriken, die Sie zur Auswahl des besten Modells für Ihre geschäftliche Herausforderung verwenden werden. Die nächsten Themen behandeln bewährte Verfahren für verschiedene Arten von Modellen, darunter lineare Modelle, baumbasierte Modelle und neuronale Netze. Es werden fertige Modelle von Watson zum Verstehen natürlicher Sprache und zur visuellen Erkennung verwendet. Anhand von Fallstudien zur Verarbeitung natürlicher Sprache und zur Bildanalyse wird ein realistischer Kontext für die Modell-Pipelines geschaffen. Am Ende dieses Kurses werden Sie in der Lage sein: Gemeinsame Regression, Klassifizierung, und Multilabel-Klassifizierungsmetriken Erklären Sie die Verwendung von linearer und logistischer Regression in Anwendungen des überwachten Lernens Beschreiben Sie gängige Strategien für die Rastersuche und Kreuzvalidierung Verwenden Sie Evaluierungsmetriken, um Modelle für die Produktion auszuwählen Erklären Sie die Verwendung von baumbasierten Algorithmen in Anwendungen des überwachten Lernens Erklären Sie die Verwendung von Neuronalen Netzen in Anwendungen des überwachten Lernens Besprechen Sie die wichtigsten Varianten von Neuronalen Netzen und die jüngsten Fortschritte Erstellen Sie ein Modell eines Neuronalen Netzes in Tensorflow Erstellen und testen Sie eine Instanz von Watson Visual Recognition Erstellen und testen Sie eine Instanz von Watson NLU Wer sollte diesen Kurs besuchen? Dieser Kurs richtet sich an erfahrene Data-Science-Experten, die bereits Modelle für maschinelles Lernen erstellt 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 die Kurse 1 bis 3 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.
