گردش کار هوش مصنوعی: تحلیل داده‌ها و آزمون فرضیه - آخرین آپدیت

دانلود AI Workflow: Data Analysis and Hypothesis Testing

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دومین دوره از تخصص گواهینامه گردش کار سازمانی هوش مصنوعی IBM است. شدیداً توصیه می‌شود این دوره‌ها را به ترتیب دنبال کنید، زیرا این‌ها دوره‌های مستقل نیستند، بلکه بخشی از یک جریان کاری هستند که هر دوره بر پایه مفاهیم دوره قبلی بنا شده است. در این دوره، شما کار خود را برای یک شرکت فرضی رسانه‌های استریم با انجام تحلیل اکتشافی داده‌ها (EDA) آغاز خواهید کرد. بهترین روش‌ها برای بصری‌سازی داده‌ها، مدیریت داده‌های مفقود و آزمون فرضیه به عنوان بخشی از پروژه شما معرفی می‌شوند. شما تکنیک‌های تخمین با توزیع‌های احتمالی و گسترش این تخمین‌ها برای اعمال آزمون‌های معنی‌داری فرضیه صفر را خواهید آموخت. آموخته‌های خود را از طریق دو مطالعه موردی عملی پیاده‌سازی می‌کنید: بصری‌سازی داده‌ها و تست‌های متعدد با استفاده از یک خط لوله (Pipeline) ساده. در پایان این دوره، شما قادر خواهید بود: ۱. چندین روش بهینه در رابطه با EDA و بصری‌سازی داده‌ها را فهرست کنید ۲. یک داشبورد ساده در Watson Studio ایجاد کنید ۳. استراتژی‌های مقابله با داده‌های مفقود را شرح دهید ۴. تفاوت بین جایگذاری تک‌گانه (Imputation) و جایگذاری چندگانه را توضیح دهید ۵. از توزیع‌های رایج برای پاسخ به سوالات مربوط به احتمالات رویدادها استفاده کنید ۶. نقش تحقیقی آزمون فرضیه در EDA را توضیح دهید ۷. چندین روش برای مدیریت تست‌های متعدد را به کار ببرید چه کسانی باید در این دوره شرکت کنند؟ این دوره برای متخصصان فعلی علوم داده است که در ساخت مدل‌های یادگیری ماشین تخصص دارند و می‌خواهند مهارت‌های خود را در ساخت و استقرار هوش مصنوعی در سازمان‌های بزرگ ارتقا دهند. اگر یک متقاضی تازه‌کار علوم داده هستید، این دوره برای شما مناسب نیست، زیرا برای بهره‌مندی از محتوای این دوره‌ها به تجربه عملی در دنیای واقعی نیاز دارید. چه مهارت‌هایی باید داشته باشید؟ فرض بر این است که شما دوره اول تخصص گردش کار سازمانی هوش مصنوعی IBM را گذرانده‌اید و پیش از شروع این دوره، درک استواری از موضوعات زیر دارید: درک بنیادی از جبر خطی؛ آشنایی با نمونه‌برداری، تئوری احتمالات و توزیع‌های احتمالی؛ دانش مفاهیم آمار توصیفی و استنباطی؛ درک کلی از تکنیک‌های یادگیری ماشین و بهترین روش‌های آن؛ تسلط عملی بر زبان پایتون و بسته‌های رایج علوم داده شامل NumPy، Pandas، matplotlib و scikit-learn؛ آشنایی با IBM Watson Studio و آشنایی با فرآیند تفکر طراحی (Design Thinking).

سرفصل ها و درس ها

تحلیل داده‌ها Data Analysis

  • مرور کلی EDA EDA Overview

  • مقدمه‌ای بر بصری‌سازی داده‌ها Introduction to Data Visualizations

  • بصری‌سازی داده‌ها Data Visualizations

  • مقدمه‌ای بر مقادیر مفقود Introduction to Missing Values

  • مدیریت مقادیر مفقود Missing Values

  • معرفی مطالعه موردی Case Study Introduction

بررسی داده‌ها Data Investigation

  • مقدمه‌ای بر آزمون فرضیه Introduction to hypothesis testing

  • آزمون فرضیه Hypothesis Testing

  • معرفی مطالعه موردی Case Study Introduction

نمایش نظرات

گردش کار هوش مصنوعی: تحلیل داده‌ها و آزمون فرضیه
جزییات دوره
10h 44m
9
(آخرین آپدیت)
9,967
4.3 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar