Kom i kontakt
 Varaktighet 21 timmar

Kursplan

Introduktion

  • Att definiera prediktiv AI
  • Historisk kontext och utveckling av prediktiv analys
  • Grundläggande principer inom maskininlärning och datautvinning

Insamling och förbehandling av data

  • Att samla in relevant data
  • Att rensa och förbereda data för analys
  • Att förstå datatyper och källor

Utforskande dataanalys (EDA)

  • Visualisering av data för insikter
  • Beskrivande statistik och sammanfattning av data
  • Att identifiera mönster och samband i data

Statistisk modellering

  • Grundläggande statistisk inferens
  • Regressionsanalys
  • Klassificeringsmodeller

Maskininlärningsalgoritmer för förutsägelse

  • Översikt över algoritmisk inlärning med lärare (supervised learning)
  • Bestämträden och slumpmässiga skogar
  • Neurala nätverk och grundläggande djupinlärning

Utvärdering och val av modeller

  • Att förstå modellprestanda och prestationsmått
  • Valideringstekniker (cross-validation)
  • Överanpassning och modelljustering

Praktiska tillämpningar av prediktiv AI

  • Fallstudier inom olika branscher
  • Etiska överväganden i prediktiv modellering
  • Begränsningar och utmaningar med prediktiv AI

Praktiskt projekt

  • Att arbeta med en datamängd för att skapa en prediktiv modell
  • Att tillämpa modellen för att göra förutsägelser
  • Att utvärdera och tolka resultaten

Krav

  • En förståelse för grundläggande statistik
  • Erfarenhet av ett eller annat programmeringsspråk
  • Kännedom om databehandling och kalkylark
  • Ingen tidigare erfarenhet inom AI eller datavetenskap krävs

Målgrupp

  • IT-specialister
  • Dataanalytiker
  • Teknisk personal

Antal deltagare


Pris per deltagare

Vittnesmål (3)

Kommande Kurser

Relaterade Kategorier