Certnexus - Certified Artificial Intelligence (AI) Practitioner

Zručnosti zahrnuté v tomto kurze sa zbiehajú v štyroch oblastiach – vývoj softvéru, IT operácie, aplikovaná matematika a štatistika a obchodná analýza. Cieľoví študenti tohto kurzu by sa mali snažiť stavať na svojich vedomostiach o procese vedy o údajoch, aby mohli aplikovať systémy AI, najmä modely strojového učenia, na obchodné problémy.
Cieľovým študentom je teda pravdepodobne odborník v oblasti vedy o údajoch, vývojár softvéru alebo obchodný analytik, ktorý chce rozšíriť svoje znalosti o algoritmoch strojového učenia a o tom, ako môžu pomôcť vytvárať inteligentné produkty na rozhodovanie, ktoré prinesú podniku hodnotu.
Tento kurz je tiež navrhnutý tak, aby pomohol študentom pri príprave na certifikáciu CertNexus® Certified Artificial Intelligence (AI) Practitioner (skúška AIP-210).

V tomto kurze budete vyvíjať riešenia AI pre obchodné problémy. Naučíte sa:

• Vyriešiť daný obchodný problém pomocou AI a ML
• Pripraviť údaje na použitie v strojovom učení
• Trénovanie, vyhodnocovanie a ladenie modelu strojového učenia
• Zostavenie modelov lineárnej regresie
• Vytváranie predpovedných modelov
• Zostavenie klasifikačných modelov pomocou logistickej regresie a k najbližšiemu susedovi
• Zostavenie modelov zhlukovania
• Zostavenie klasifikačných a regresných modelov pomocou rozhodovacích stromov a náhodných lesov
• Zostavenie klasifikačných a regresných modelov pomocou podporných vektorových strojov (SVM)
• Vytvorenie umelých neurónových sietí pre hlboké učenie
• Uvádzať modely strojového učenia do prevádzky pomocou automatizovaných procesov
• Udržiavať kanály a modely strojového učenia, kým sú vo výrobe

Typický študent tohto kurzu by mal mať niekoľkoročné skúsenosti s výpočtovou technikou, vrátane určitej schopnosti v oblasti počítačového programovania. Ak chcete dosiahnuť v tomto kurze úspech, mali by ste sa oboznámiť s konceptmi, ktoré sú základom pre vedu o údajoch, vrátane:

• Celková veda o údajoch a proces strojového učenia od konca do konca: formulovanie problému; zber a príprava údajov; analyzovanie údajov; inžinierske a predbežné spracovanie údajov; výcvik, ladenie a hodnotenie modelu; a finalizácia modelu.
• Štatistické pojmy ako odber vzoriek, testovanie hypotéz, rozdelenie pravdepodobnosti, náhodnosť atď.
  Súhrnné štatistiky, ako je priemer, medián, režim, medzikvartilový rozsah (IQR), štandardná odchýlka, šikmosť atď.
• Grafy a ďalšie metódy vizuálnej analýzy dát. Túto úroveň zručností a vedomostí môžete získať absolvovaním kurzu CertNexus Certified Data Science Practitioner (CDSP) (skúška DSP-110). Musíte tiež vedieť pohodlne písať kód v programovacom jazyku Python vrátane používania základných knižníc Python pre vedu o údajoch, ako sú NumPy a pandy. Kurz Logické operácie Používanie nástrojov Data Science v Pythone® učí tieto zručnosti.

Oficiálna príručka pre tento kurz

Lekcia 1: Riešenie obchodných problémov pomocou AI a ML

• Identifikujte riešenia AI a ML pre obchodné problémy
• Formulujte problém strojového učenia
• Vyberte Prístupy k strojovému učeniu

Lekcia 2: Príprava údajov

• Zber dát
• Transformovanie údajov
• Funkcie inžiniera
• Práca s neštruktúrovanými dátami

Lekcia 3: Školenie, hodnotenie a ladenie modelu strojového učenia

• Trénovanie modelu strojového učenia
• Vyhodnotenie a vyladenie modelu strojového učenia

Lekcia 4: Vytváranie modelov lineárnej regresie

• Zostavenie regresných modelov pomocou lineárnej algebry
• Zostavenie regulovaných modelov lineárnej regresie
• Zostavenie iteračných modelov lineárnej regresie

Lekcia 5: Vytváranie modelov prognóz

• Vytváranie modelov jednorozmerných časových radov
• Vytváranie modelov s viacerými premennými časových radov

Lekcia 6: Vytváranie klasifikačných modelov pomocou logistickej regresie a k-Nearest Neighbor

• Trénovanie modelov binárnej klasifikácie pomocou logistickej regresie
• Trénovanie modelov binárnej klasifikácie pomocou k-Nearest Neighbor
• Trénovanie modelov klasifikácie viacerých tried
• Vyhodnotenie klasifikačných modelov
• Klasifikačné modely ladenia

Lekcia 7: Vytváranie modelov klastrovania

• Zostavenie k-Means Clustering Models
• Vytvorenie modelov hierarchie klastrov

Lekcia 8: Stavebné rozhodovacie stromy a náhodné lesy

• Zostavenie modelov rozhodovacích stromov
• Vytvorenie náhodných modelov lesa

Lekcia 9: Stavebné podporné vektorové stroje

• Zostavenie modelov SVM na klasifikáciu
• Zostavenie modelov SVM pre regresiu

Lekcia 10: Budovanie umelých neurónových sietí

• Zostavenie viacvrstvových perceptrónov (MLP)
• Budovanie konvolučných neurónových sietí (CNN)
• Budovanie rekurentných neurónových sietí (RNN)

Lekcia 11: Operacionalizácia modelov strojového učenia

• Nasadenie modelov strojového učenia
• Automatizácia procesov strojového učenia pomocou MLOps
• Integrácia modelov do systémov strojového učenia

Lekcia 12: Udržiavanie operácií strojového učenia

• Bezpečné kanály strojového učenia
• Udržiavanie modelov vo výrobe

Príloha A: Mapovanie obsahu kurzu CertNexus® CertNexus® Certifical Intelligence (AI) praktika (skúška AIP-210)

Príloha B: Súbory údajov použité v tomto kurze