Flusso di lavoro AI: ingegneria delle caratteristiche e rilevamento dei bias

Descrizione

Questo è il terzo corso della specializzazione in IBM AI Enterprise Workflow Certification. Sei FORTEMENTE incoraggiato a completare questi corsi in ordine in quanto non sono corsi individuali indipendenti, ma parte di un flusso di lavoro in cui ogni corso si basa su quelli precedenti.

Il corso 3 ti introduce alla fase successiva del flusso di lavoro per la nostra ipotetica società di media. In questa fase del lavoro imparerai le migliori pratiche per l'ingegnerizzazione delle caratteristiche, la gestione degli squilibri di classe e il rilevamento dei bias nei dati. Gli squilibri di classe possono influire seriamente sulla validità dei modelli di apprendimento automatico e la mitigazione della distorsione nei dati è essenziale per ridurre il rischio associato a modelli di parte. Questi argomenti saranno seguiti da sezioni sulle migliori pratiche per la riduzione delle dimensioni, il rilevamento dei valori anomali e le tecniche di apprendimento senza supervisione per trovare schemi nei dati. I casi di studio si concentreranno sulla modellazione degli argomenti e sulla visualizzazione dei dati.

Entro la fine di questo corso sarai in grado di:
1. Impiegare gli strumenti che aiutano ad affrontare i problemi di squilibrio di classe e di classe
2. Spiegare le considerazioni etiche riguardanti il bias nei dati
3. Utilizza le librerie open source ai Fairness 360 per rilevare i bias nei modelli
4. Impiegare tecniche di riduzione delle dimensioni sia per l'EDA che per le fasi di trasformazione
5. Descrivere le tecniche di modellazione dell'argomento nell'elaborazione del linguaggio naturale
6. Utilizzare la modellazione e la visualizzazione degli argomenti per esplorare i dati di testo
7. Impiegare best practice per la gestione dei valori anomali nei dati di alta dimensione
8. Impiegare algoritmi di rilevamento dei valori anomali come strumento di garanzia della qualità e strumento di modellazione
9. Impiegare tecniche di apprendimento senza supervisione utilizzando pipeline come parte del flusso di lavoro AI
10. Impiegare algoritmi di clustering di base

Chi dovrebbe seguire questo corso?
Questo corso si rivolge ai professionisti della scienza dei dati esistenti che hanno esperienza nella costruzione di modelli di apprendimento automatico, che desiderano approfondire le proprie abilità nella costruzione e distribuzione dell'IA nelle grandi imprese. Se sei un aspirante scienziato di dati, questo corso NON fa per te in quanto hai bisogno di esperienza nel mondo reale per beneficiare del contenuto di questi corsi.

Quali abilità dovresti avere?
Si presume che tu abbia completato i Corsi 1 e 2 della specializzazione IBM AI Enterprise Workflow e che tu abbia una solida conoscenza dei seguenti argomenti prima di iniziare questo corso: Comprensione fondamentale dell'algebra lineare; Comprendere il campionamento, la teoria della probabilità e le distribuzioni di probabilità; Conoscenza di concetti statistici descrittivi e inferenziali; Comprensione generale delle tecniche di apprendimento automatico e delle migliori pratiche; Comprensione pratica di Python e dei pacchetti comunemente usati nella scienza dei dati: NumPy, Pandas, matplotlib, scikit-learn; Familiarità con IBM Watson Studio; Familiarità con il processo di pensiero progettuale.