Plan Szkolenia

Wprowadzenie

  • Definiowanie predykcyjnej sztucznej inteligencji
  • Kontekst historyczny i ewolucja analizy predykcyjnej
  • Podstawowe zasady uczenia maszynowego i eksploracji danych

Zbieranie i przetwarzanie danych

  • Gromadzenie odpowiednich danych
  • Czyszczenie i przygotowywanie danych do analizy
  • Zrozumienie typów i źródeł danych

Eksploracyjna analiza danych (EDA)

  • Wizualizacja danych w celu odkrycia wniosków
  • Statystyki opisowe i podsumowanie danych
  • Identyfikacja wzorców i relacji w danych

Modelowanie statystyczne

  • Podstawy wnioskowania statystycznego
  • Analiza regresji
  • Modele klasyfikacji

Algorytmy uczenia maszynowego do predykcji

  • Przegląd algorytmów uczenia nadzorowanego
  • Drzewa decyzyjne i lasy losowe
  • Podstawy sieci neuronowych i uczenia głębokiego

Ocena i wybór modelu

  • Zrozumienie dokładności i metryk wydajności modelu
  • Techniki walidacji krzyżowej
  • Przeuczenie i dostrajanie modelu

Praktyczne zastosowania predykcyjnej sztucznej inteligencji

  • Studia przypadków z różnych branż
  • Zagadnienia etyczne w modelowaniu predykcyjnym
  • Ograniczenia i wyzwania predykcyjnej sztucznej inteligencji

Praktyczny projekt

  • Praca z zestawem danych w celu stworzenia modelu predykcyjnego
  • Stosowanie modelu do przewidywania
  • Ocena i interpretacja wyników

Podsumowanie i kolejne kroki

Wymagania

  • Znajomość podstaw statystyki
  • Doświadczenie w dowolnym języku programowania
  • Znajomość obsługi danych i arkuszy kalkulacyjnych
  • Wymagane brak wcześniejszego doświadczenia w AI lub data science

Grupa docelowa

  • Profesjonaliści IT
  • Analitycy danych
  • Personel techniczny
 21 godzin

Liczba uczestników


Cena za uczestnika (netto)

Opinie uczestników (3)

Propozycje terminów

Powiązane Kategorie