Kom i kontakt

Kursplan

Introduktion till datavetenskap/AI

  • Kunskapsförvärv genom data
  • Kunskapsrepresentation
  • Värdeskapande
  • Översikt över datavetenskap
  • AI-ekosystem och nya analytiska tillvägagångssätt
  • Nyckelteknologier

Arbetsflöde för datavetenskap

  • CRISP-DM
  • Dataförberedelse
  • Modellplanering
  • Modelluppbyggnad
  • Kommunikation
  • Implementering

Verktyg för datavetenskap

  • Språk som används för prototyputveckling
  • Stor datateknologi
  • Helhetslösningar på vanliga problem
  • Introduktion till programmeringsspråket Python
  • Integration av Python med Spark

AI i affärsverksamhet

  • AI-ekosystem
  • Etik kring AI
  • Hur man driver AI i affärsverksamhet

Ursprung till data

  • Dataformer
  • SQL jämfört med NoSQL
  • Lagring av data
  • Dataförberedelse

Analys av data — statistiskt tillvägagångssätt

  • Sannolikhetsteori
  • Statistik
  • Statistisk modellering
  • Tillämpningar i affärsliv med Python

Maskininlärning i affärslivet

  • Övervakad jämfört med oövervakad inlärning
  • Förutsägelser
  • Klassificeringsproblem
  • Klusteringsproblem
  • Avvikelseanalys
  • Rekommendationssystem
  • Identifiering av samband
  • Lösning av ML-problem med programmeringsspråket Python

Djupinlärning

  • Problem där traditionella algoritmer för maskininlärning inte räcker till
  • Lösning av komplexa problem med djupinlärning
  • Introduktion till TensorFlow

Naturlig språkbehandling

Datavisualisering

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

Från data till beslut — kommunikation

  • Göra en skillnad: datadriven berättelseformgivning
  • Påverkansförmåga
  • Ledning av datavetenskapsprojekt

Krav

Det finns inga specifika krav för att delta i denna kurs.

 35 Timmar

Antal deltagare


Pris per deltagare

Vittnesmål (7)

Kommande Kurser

Relaterade Kategorier