KI-Workflow: Datenanalyse und Hypothesentests

Beschreibung

Dies ist der zweite Kurs in der IBM AI Enterprise Workflow-Zertifizierungsspezialisierung. Es wird Ihnen DRINGEND empfohlen, diese Kurse der Reihe nach zu absolvieren, da es sich nicht um einzelne, unabhängige Kurse handelt, sondern um einen Teil eines Arbeitsablaufs, bei dem jeder Kurs auf den vorherigen aufbaut.

In diesem Kurs beginnen Sie Ihre Arbeit für ein hypothetisches Streaming-Media-Unternehmen mit der Durchführung einer explorativen Datenanalyse (EDA). Im Rahmen Ihrer Arbeit werden Ihnen Best Practices für die Datenvisualisierung, den Umgang mit fehlenden Daten und das Testen von Hypothesen vorgestellt. Sie erlernen Schätzungstechniken mit Wahrscheinlichkeitsverteilungen und erweitern diese Schätzungen, um Nullhypothese-Signifikanztests anzuwenden. Sie wenden das Gelernte anhand von zwei praktischen Fallstudien an: Datenvisualisierung und mehrere Tests mithilfe einer einfachen Pipeline.

Am Ende dieses Kurses sollten Sie in der Lage sein:
1. Listen Sie mehrere Best Practices für EDA und Datenvisualisierung auf
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 Mehrfachimputation
5. Verwenden Sie gängige Verteilungen, um Fragen zu Ereigniswahrscheinlichkeiten zu beantworten
6. Erklären Sie die Untersuchungsrolle des Hypothesentests in der EDA
7. Wenden Sie mehrere Methoden für den Umgang mit mehreren Tests an

Wer sollte diesen Kurs belegen?
Dieser Kurs richtet sich an bestehende Data-Science-Praktiker, die über Erfahrung im Aufbau von Modellen für maschinelles Lernen verfügen und ihre Fähigkeiten im Aufbau und Einsatz von KI in großen Unternehmen vertiefen möchten. Wenn Sie ein angehender Data Scientist sind, ist dieser Kurs NICHT für Sie geeignet, da Sie Fachwissen aus der Praxis benötigen, um von den Inhalten dieser Kurse zu profitieren.

Welche Fähigkeiten sollten Sie mitbringen?
Es wird davon ausgegangen, dass Sie Kurs 1 der IBM AI Enterprise Workflow-Spezialisierung abgeschlossen haben und über ein solides Verständnis der folgenden Themen verfügen, bevor Sie mit diesem Kurs beginnen: Grundlegendes Verständnis der linearen Algebra; Stichprobe, Wahrscheinlichkeitstheorie und Wahrscheinlichkeitsverteilungen verstehen; Kenntnisse deskriptiver und inferenzstatistischer Konzepte; Allgemeines Verständnis von Techniken und Best Practices des maschinellen Lernens; 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.