本专业将解释和描述企业领导者考虑基于人工智能的解决方案以应对业务挑战的总体重点领域。第一门课程以业务为导向，概述人工智能的技术和基本概念。第二门课程将介绍数据科学的技术和概念。第三门课程介绍人工智能阶梯，这是一个了解成功部署基于人工智能的解决方案所必需的工作和流程的框架。
应用的学习项目
本专业的每门课程都包括 "理解检查"，旨在评估每位学员理解所学概念以及在实际中运用这些概念的能力。 具体来说，这些概念与以下方面的入门知识有关：1）人工智能；2）数据科学；3）人工智能阶梯。
IBM 商业人工智能基础 专项课程
IBM 商业人工智能基础 专项课程
位教师：Alex Aklson另外 3 个
28,299 人已注册
包含在 中
您将学到什么
您将获得的技能
- 类别：Responsible AI
- 类别：Data Science
- 类别：Natural Language Processing
- 类别：Information Architecture
- 类别：Generative AI
- 类别：Big Data
- 类别：Strategic Decision-Making
- 类别：Data Analysis
- 类别：Business Process Automation
- 类别：Data Architecture
- 类别：Business Intelligence
- 类别：Data Mining
- 类别：Business Strategy
- 类别：Enterprise Architecture
- 类别：Data-Driven Decision-Making
- 类别：Digital Transformation
- 类别：Cloud Computing
- 类别：Content Creation
- 类别：Data Literacy
- 类别：Leadership
要了解的详细信息
可分享的证书
添加到您的领英档案
授课语言：英语（English）
精进特定领域的专业知识
- 向大学和行业专家学习热门技能
- 借助实践项目精通一门科目或一个工具
- 培养对关键概念的深入理解
- 通过 IBM 获得职业证书
专业化 - 3门课程系列
人工智能 (AI) 概论
第 1 门课程12小时
您将学到什么
解释 AI 的基本概念和在各个领域的应用。
描述机器学习、Deep Learning 和 Neural Network 的核心原理，并将其应用到实际场景中。
分析 Generative AI 在 Transformer 业务运营中的作用，找出创新和流程改进的机会。
针对组织面临的挑战，结合伦理方面的考虑，设计一个 AI 生成解决方案。
您将获得的技能
类别：自然语言处理
类别：生成式人工智能
类别：风险缓解
类别：内容创作
类别：商业智能
类别：负责任的人工智能
什么是数据科学？
第 2 门课程11小时
您将学到什么
定义数据科学及其在当今数据驱动世界中的重要性。
描述通往数据科学职业生涯的各种途径。
总结经验丰富的数据科学专业人士给刚刚起步的数据科学家的建议。
解释为什么数据科学被认为是 21 世纪最紧缺的工作。
您将获得的技能
类别：数据科学
类别：大数据
类别：云计算
类别：机器学习
类别：数字化转型
类别：深度学习
类别：数据分析
类别：数据扫盲
类别：数据挖掘
类别：数据驱动的决策制定
类别：人工智能
人工智能阶梯：在企业中部署人工智能的框架
第 3 门课程2小时
您将学到什么
您将获得的技能
类别：信息架构
类别：人工智能
类别：数据收集
类别：数据管理
类别：数据分析
类别：管理团队
类别：企业架构
类别：企业战略
类别：技术战略
类别：创新
类别：分析
类别：业务流程自动化
类别：战略决策
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
位教师
Alex Aklson
IBM
21 门课程1,367,977 名学生
提供方
IBM
IBM
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
常见问题
完成本专业学习的总时间约为 20 个小时。
人工智能入门 - 约 8 小时
什么是数据科学？ - 约 9 小时
人工智能阶梯 - 约 3 小时
无需事先了解人工智能、机器学习或数据科学方面的知识。
强烈建议学员按照课程顺序完成课程。