Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kursplan
Införandet
- Definiera prediktiv AI
- Historisk kontext och utveckling av prediktiv analys
- Grundläggande principer för maskininlärning och datautvinning
Datainsamling och förbehandling
- Insamling av relevanta data
- Rengöring och förberedelse av data för analys
- Förstå datatyper och källor
Undersökande Data Analysis (EDA)
- Visualisera data för insikter
- Beskrivande statistik och sammanfattning av data
- Identifiera mönster och relationer i data
Statistisk modellering
- Grunderna i statistisk inferens
- Regressionsanalys
- Klassificeringsmodeller
Machine Learning Algoritmer för prediktion
- Översikt över algoritmer för övervakad inlärning
- Beslutsträd och slumpmässiga skogar
- Grunderna i neurala nätverk och djupinlärning
Utvärdering och urval av modeller
- Förstå modellens noggrannhet och prestandamått
- Tekniker för korsvalidering
- Överanpassning och modelltrimning
Praktiska tillämpningar av prediktiv AI
- Fallstudier inom olika branscher
- Etiska överväganden vid prediktiv modellering
- Begränsningar och utmaningar med prediktiv AI
Praktiskt projekt
- Arbeta med en datauppsättning för att skapa en förutsägelsemodell
- Tillämpa modellen för att göra förutsägelser
- Utvärdering och tolkning av resultaten
Sammanfattning och nästa steg
Krav
- Förståelse för grundläggande statistik
- Erfarenhet av vilket programmeringsspråk som helst
- Kännedom om datahantering och kalkylblad
- Ingen tidigare erfarenhet av AI eller datavetenskap krävs
Publik
- IT-proffs
- Dataanalytiker
- Teknisk personal
21 timmar
