Il s'agit du premier cours d'une spécialisation en six parties. Vous êtes FORTEMENT encouragé à suivre ces cours dans l'ordre, car il ne s'agit pas de cours individuels indépendants, mais d'une partie d'un flux de travail où chaque cours s'appuie sur les précédents. Ce premier cours de la spécialisation IBM IA Enterprise Flux de travail Certification vous présente le champ d'application de la spécialisation et les prérequis. Plus précisément, les cours de cette spécialisation sont destinés aux data scientists en exercice qui connaissent les probabilités, les statistiques, l'algèbre linéaire et l'outillage Python pour la science des données et l'apprentissage automatique. Une société hypothétique de médias en continu sera présentée comme votre nouveau client. Vous serez initié au concept de Design Thinking, le cadre d'IBM pour l'organisation de grands projets d'IA d'entreprise. Vous serez également initié aux bases de la pensée scientifique, car la qualité qui distingue un data scientist chevronné d'un débutant est la pensée créative et scientifique. Enfin, vous commencerez votre travail pour l'entreprise de médias hypothétique en comprenant les données dont elle dispose et en construisant un pipeline d'ingestion de données à l'aide de Python et de Jupyter Notebooks.À la fin de ce cours, vous devriez être en mesure de : 1. Connaître les avantages de réaliser la science des données en utilisant un processus structuré 2. Décrire comment les étapes du Design Thinking correspondent au flux de travail de l'entreprise IA 3. Discuter de plusieurs stratégies utilisées pour hiérarchiser les opportunités commerciales 4. Expliquez où la science des données et l'ingénierie des données ont le plus de chevauchement dans le flux de travail de l'IA 5. Expliquez l'objectif des tests dans l'ingestion de données 6. Décrivez le cas d'utilisation des matrices sparse comme destination cible pour l'ingestion de données 7. Connaître les étapes initiales qui peuvent être prises vers l'automatisation des pipelines d'ingestion de données Qui devrait prendre ce cours ? Ce cours vise les praticiens de la science des données existants qui ont une expertise dans la construction de modèles d'apprentissage automatique, qui veulent approfondir leurs compétences sur la construction et le déploiement de l'IA dans les grandes entreprises. Si vous êtes un aspirant Data Scientist, ce cours n'est PAS pour vous car vous avez besoin d'une expertise du monde réel pour bénéficier du contenu de ces cours. Quelles compétences devez-vous avoir ? Il est supposé que vous avez une solide compréhension des sujets suivants avant de commencer ce cours : Compréhension fondamentale de l'algèbre linéaire ; Comprendre l'échantillonnage, la théorie des probabilités et les distributions de probabilité ; Connaissance des concepts statistiques descriptifs et inférentiels ; Compréhension générale des techniques d'apprentissage automatique et des meilleures pratiques ; Compréhension pratiquée de Python et des paquets couramment utilisés en science des données : NumPy, Pandas, matplotlib, scikit-learn ; Familiarité avec IBM Watson Studio ; Familiarité avec le processus de design thinking.