Kursplan

Introduktion till Data Science/AI

  • Kunskapsinhämtning genom data
  • Kunskapsrepresentation
  • Värdeskapande
  • Data Science översikt
  • AI-ekosystem och nytt tillvägagångssätt för analys
  • Nyckelteknologier

Data Science arbetsflöde

  • Crisp-dm
  • Dataförberedelse
  • Modellplanering
  • Modellbyggnad
  • Communication
  • Spridning

Data Science teknik

  • Languages används för prototypframställning
  • Big Data tekniker
  • Ändamålslösningar på vanliga problem
  • Introduktion till Python språk
  • Integrering Python med Spark

AI i Business

  • AI ekosystem
  • AI:s etik
  • Hur man driver AI i affärer

Datakällor

  • Typer av data
  • SQL mot NoSQL
  • Datalagring
  • Dataförberedelse

Data Analysis – Statistisk metod

  • Sannolikhet
  • Statistics
  • Statistisk modellering
  • Applikationer i företag som använder Python

Maskininlärning i företag

  • Övervakad vs oövervakad
  • Forecasting problem
  • Klassificeringsproblem
  • Klustringsproblem
  • Anomali upptäckt
  • Rekommendation motorer
  • Föreningsmönsterbrytning
  • Lösa ML-problem med Python språk

Djup lärning

  • Problem där traditionella ML-algoritmer misslyckas
  • Lösa komplicerade problem med Deep Learning
  • Introduktion till Tensorflow

Naturlig språkbehandling

Datavisualisering

  • Visuell rapportering av resultat från modellering
  • Vanliga fallgropar i visualisering
  • Datavisualisering med Python

Från data till beslut – kommunikation

  • Att påverka: datadriven berättelse
  • Påverka effektiviteten
  • Hantera Data Science projekt

Krav

Ingen

 35 timmar

Antal deltagare


Price per participant

Vittnesmål (4)

Upcoming Courses

Relaterade Kategorier