KI-Workflow: Maschinelles Lernen, visuelle Erkennung und NLP

Beschreibung

Dies ist der vierte 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.

Kurs 4 behandelt die nächste Phase des Arbeitsablaufs, die Einrichtung von Modellen und den zugehörigen Datenpipelines für ein hypothetisches Streaming-Media-Unternehmen. Das erste Thema behandelt das komplexe Thema der Bewertungsmetriken. Hier erfahren Sie Best Practices für eine Reihe verschiedener Metriken, darunter Regressionsmetriken, Klassifizierungsmetriken und Mehrklassenmetriken, anhand derer Sie das beste Modell für Ihre geschäftliche Herausforderung auswählen. Die nächsten Themen behandeln Best Practices für verschiedene Modelltypen, einschließlich linearer Modelle, baumbasierter Modelle und neuronaler Netze. Es werden sofort einsatzbereite Watson-Modelle für das Verständnis natürlicher Sprache und die visuelle Erkennung verwendet. Es wird Fallstudien geben, die sich auf die Verarbeitung natürlicher Sprache und die Bildanalyse konzentrieren, um einen realistischen Kontext für die Modellpipelines bereitzustellen.

Am Ende dieses Kurses können Sie:
Besprechen Sie gängige Regressions-, Klassifizierungs- und Multilabel-Klassifizierungsmetriken
Erklären Sie die Verwendung der linearen und logistischen Regression in überwachten Lernanwendungen
Beschreiben Sie gängige Strategien für die Rastersuche und Kreuzvalidierung
Nutzen Sie Bewertungsmetriken, um Modelle für den Produktionseinsatz auszuwählen
Erklären Sie die Verwendung baumbasierter Algorithmen in überwachten Lernanwendungen
Erklären Sie den Einsatz neuronaler Netze in überwachten Lernanwendungen
Besprechen Sie die wichtigsten Varianten neuronaler Netze und die jüngsten Fortschritte
Erstellen Sie ein neuronales Netzmodell 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 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 die Kurse 1 bis 3 der IBM AI Enterprise Workflow-Spezialisierung abgeschlossen haben und vor Beginn dieses Kurses über solide Kenntnisse der folgenden Themen verfügen: Grundlegendes Verständnis der linearen Algebra; Stichproben, 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.