Flusso di lavoro AI: apprendimento automatico, riconoscimento visivo e PNL

Descrizione

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

Il corso 4 copre la fase successiva del flusso di lavoro, l'impostazione dei modelli e delle pipeline di dati associate per un'ipotetica società di streaming media. Il primo argomento copre l'argomento complesso delle metriche di valutazione, in cui imparerai le migliori pratiche per una serie di metriche diverse tra cui metriche di regressione, metriche di classificazione e metriche multi-classe, che utilizzerai per selezionare il modello migliore per la tua sfida aziendale. I prossimi argomenti trattano le migliori pratiche per diversi tipi di modelli, inclusi modelli lineari, modelli basati su alberi e reti neurali. Verranno utilizzati modelli Watson pronti all'uso per la comprensione del linguaggio naturale e il riconoscimento visivo. Ci saranno casi di studio incentrati sull'elaborazione del linguaggio naturale e sull'analisi delle immagini per fornire un contesto realistico per le pipeline del modello.

Entro la fine di questo corso sarai in grado di:
Discutere le metriche comuni di regressione, classificazione e classificazione multilabel
Spiegare l'uso della regressione lineare e logistica nelle applicazioni di apprendimento supervisionato
Descrivere strategie comuni per la ricerca sulla griglia e la convalida incrociata
Utilizza metriche di valutazione per selezionare i modelli da utilizzare in produzione
Spiegare l'uso di algoritmi basati su alberi nelle applicazioni di apprendimento supervisionato
Spiegare l'uso delle reti neurali nelle applicazioni di apprendimento supervisionato
Discuti le principali varianti delle reti neurali e i recenti progressi
Crea un modello di rete neurale in Tensorflow
Crea e testa un'istanza di Watson Visual Recognition
Crea e testa un'istanza di Watson NLU

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 abbiate completato i corsi da 1 a 3 della specializzazione IBM AI Enterprise Workflow e che abbiate una solida conoscenza dei seguenti argomenti prima di iniziare questo corso: Comprensione fondamentale dell'algebra lineare; Comprendere campionamento, teoria della probabilità e 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 utilizzati nella scienza dei dati: NumPy, Panda, matplotlib, scikit-learn; Familiarità con IBM Watson Studio; Familiarità con il processo di pensiero progettuale.