Keith McCormick
کیت در توضیح روشهای پیچیده برای کاربران جدید یا تصمیم گیرندگان در سطوح مختلف از جزئیات فنی مهارت دارد. وی متخصص در مدل های پیش بینی و تجزیه و تحلیل تقسیم بندی از جمله درختان طبقه بندی ، شبکه های عصبی ، مدل خطی کلی ، تجزیه خوشه و قوانین ارتباط است.
آموزش مبانی علوم داده: ارزیابی داده ها برای مدل سازی پیش بینی
Data Science Foundations: Data Assessment for Predictive Modeling
فاز درک اطلاعات روش CRISP-DM را برای مدل سازی پیش بینی کاوش کنید.
Keith McCormick
آموزش مبانی یادگیری ماشین و هوش مصنوعی: رگرسیون خطی
Machine Learning & AI Foundations: Linear Regression
با یادگیری نحوه استفاده از مفاهیم رگرسیون خطی برای حل مشکلات دنیای واقعی ، مهارت های دانش داده خود را گسترش دهید.
آموزش یادگیری ماشین و پایه های AI: تولید AI قابل توضیح AI (Xai) و راه حل های یادگیری ماشین قابل تفسیر
Machine Learning and AI Foundations: Producing Explainable AI (XAI) and Interpretable Machine Learning Solutions
بهترین شیوه ها را برای نحوه تولید هوش مصنوعی قابل توضیح و راه حل های یادگیری ماشینی قابل تفسیر بیاموزید.
آموزش یادگیری ماشین و مبانی هوش مصنوعی: درختان تصمیم با KNIME
Machine Learning and AI Foundations: Decision Trees with KNIME
مهارت های علم داده خود را گسترش دهید و پایه ای قوی در یادگیری ماشین ایجاد کنید.
آموزش یادگیری ماشین و مبانی هوش مصنوعی: درختان تصمیم گیری پیشرفته با KNIME
Machine Learning and AI Foundations: Advanced Decision Trees with KNIME
فراتر از الگوریتم های درخت تصمیم گیری پایه در KNIME با دسترسی به الگوریتم های درخت تصمیم و القاء قانون مبتنی بر WEKA، R و Python از داخل پلت فرم KNIME.
آموزش یادگیری ماشین و مبانی هوش مصنوعی: استنتاج علی و مدلسازی
Machine Learning and AI Foundations: Causal Inference and Modeling
در مورد تکنیک‌های مدلسازی و طرح‌های تجربی که به شما امکان می‌دهد استنتاج علی را ایجاد کنید و نحوه استفاده از آنها بیاموزید.
آموزش یادگیری ماشین و مبانی هوش مصنوعی: مدل سازی طبقه بندی
Machine Learning and AI Foundations: Classification Modeling
روشهای طبقه بندی از مهمترین آنها در علم داده مدرن است. استراتژی های طبقه بندی و الگوریتم های یادگیری ماشینکاری و هوش مصنوعی را بیاموزید.
آموزش مدل سازی پیش بینی پیشرفته: تسلط بر گروه ها و مدل سازی
Advanced Predictive Modeling: Mastering Ensembles and Metamodeling
بیاموزید که چگونه از مجموعه ها و مدل سازی فرعی برای ایجاد مدل های پیش بینی دقیق تر استفاده کنید.
آموزش یادگیری ماشین و هوش مصنوعی: درختان تصمیم پیشرفته
Machine Learning & AI: Advanced Decision Trees
با کاوش در مفاهیم پیشرفته الگوریتم درخت تصمیم ، به سمت تسلط بر یادگیری ماشین تلاش کنید. درباره الگوریتم های QUEST و C5.0 و چند مبحث پیشرفته اطلاعات کسب کنید.
آموزش استراتژی های Side Hustle برای کارشناسان علوم داده و تجزیه و تحلیل
Side Hustle Strategies for Data Science and Analytics Experts
با ادغام فشارهای جانبی با مسئولیت های موجود ، چشم اندازهای شغلی خود را متنوع کنید. بیاموزید چگونه از مهارت های علم داده و تجزیه و تحلیل خود استفاده کنید و برای خودتان کار کنید.
آموزش ضروری تجزیه و تحلیل پیش بینی: تخمین و اطمینان از بازگشت سرمایه
Predictive Analytics Essential Training: Estimating and Ensuring ROI
تجزیه و تحلیل های پیش بینی شده را به یک مرکز سود در سازمان خود تبدیل کنید. بیاموزید که چگونه بازده سرمایه گذاری (ROI) را اندازه گیری کنید و ارزش طولانی مدت پروژه های خود را ثابت کنید.
آموزش راهنمای اجرایی برای یادگیری ماشینی انسان در حلقه و حاشیه نویسی داده ها
Executive Guide to Human-in-the-Loop Machine Learning and Data Annotation
مفاهیم اصلی و مهارت‌های کلیدی یادگیری ماشینی انسان در حلقه، از جمله نحوه اجرای و مدیریت موفقیت‌آمیز پروژه حاشیه‌نویسی داده‌ها را کاوش کنید.
آموزش یادگیری ماشین و مبانی هوش مصنوعی: پیش‌بینی، علیت و استنتاج آماری
Machine Learning and AI Foundations: Prediction, Causation, and Statistical Inference
برای کمک به بهبود مدل‌های یادگیری ماشینی و تحلیل‌های آماری، بینش‌هایی به دست آورید.
آموزش مهارت های غیر فنی دانشمندان داده موثر
The Non-Technical Skills of Effective Data Scientists
مهارت های غیرتکنیکی را که دانشمندان داده های م mustثر برای تبدیل اولین شغل خود به یک شغل موفق و مادام العمر باید پرورش دهند ، بیاموزید.
آموزش تجزیه و تحلیل پیش بینی برای مدیران
Predictive Analytics Essential Training for Executives
بیاموزید که چگونه با استفاده از تجزیه و تحلیل پیشرفته پیشرفته ، متخصصان علوم داده را استخدام و مدیریت کنید و تجارت خود را متحول کنید.
آموزش مقدمه ای بر یادگیری ماشین با KNIME
Introduction to Machine Learning with KNIME
KNIME ، یک پلت فرم محبوب منبع آزاد برای تجزیه و تحلیل پیش بینی و یادگیری ماشین را بیاموزید. نحوه استفاده از KNIME را برای ادغام و تجمیع ، مدل سازی ، امتیازدهی داده ها و موارد دیگر کشف کنید.
آموزش مبانی یادگیری ماشین و هوش مصنوعی: درختان تصمیم
Machine Learning and AI Foundations: Decision Trees
با کاوش در IBM SPSS Modeler و کسب اطلاعات در مورد CHAID و C&RT ، بنیادی قوی در ML ایجاد کنید. این دوره برای کمک به گسترش مهارت های دانش داده شما طراحی شده است.
آموزش مبانی یادگیری ماشین و هوش مصنوعی: خوشه بندی و تداعی
Machine Learning and AI Foundations: Clustering and Association
بیاموزید که چگونه از تجزیه خوشه ، قوانین ارتباط و الگوریتم های تشخیص ناهنجاری برای یادگیری بدون نظارت استفاده کنید.
آموزش یادگیری ماشین و مبانی هوش مصنوعی: استراتژی مدل سازی پیش بینی در مقیاس
Machine Learning and AI Foundations: Predictive Modeling Strategy at Scale
مقیاس پذیری یکی از بزرگترین چالش های علم داده است. بیاموزید که چگونه داده ها را ارزیابی کنید ، الگوریتم های مناسب را انتخاب کنید و مدل سازی پیش بینی را در مقیاس انجام دهید.
آموزش عناصر اساسی پیش بینی تجزیه و تحلیل و داده کاوی
The Essential Elements of Predictive Analytics and Data Mining
اصول داده کاوی و تجزیه و تحلیل پیش بینی را بیاموزید. یک پروژه در دنیای واقعی را کشف کنید ، از تعریف مسئله تا عملی کردن راه حل. بررسی CRISP-DM؛ و بیشتر.
آموزش یادگیری ماشین و هوش مصنوعی: درختان تصمیم گیری پیشرفته با SPSS
Machine Learning and AI: Advanced Decision Trees with SPSS
با کاوش در مفاهیم الگوریتم درخت تصمیم گیری پیشرفته، به سمت تسلط بر یادگیری ماشین کار کنید. با الگوریتم های QUEST و C5.0 و چند موضوع پیشرفته آشنا شوید.
آموزش راهنمای اجرایی AutoML
Executive Guide to AutoML
درباره AutoML، فرصت‌ها و چالش‌هایی که در تلاش برای خودکارسازی یادگیری ماشین به وجود می‌آیند، و اینکه چگونه این اتوماسیون بر سازمان شما تأثیر می‌گذارد، بیاموزید.