Ta kontakt
 Varighet 35 timer

Kursplan

Introduksjon til datavitenskap/KI

  • Kunskapsinnsamling gjennom data
  • Kunnskapsspesifikasjon
  • Verdiskaping
  • Generelt om datavitenskap
  • KI-økosystemet og nye tilnærminger til analyser
  • Viktige teknologi

Arbeidsflyt for datavitenskap

  • CRISP-DM
  • Forberedelse av data
  • Modellplanlegging
  • Modellbygging
  • Kommunikasjon
  • Implementering

Teknologi for datavitenskap

  • Språk for prototyper
  • Big data-teknologi
  • End-to-end-løsninger for vanlige problemer
  • Introduksjon til Python
  • Integrering av Python med Spark

KI i bedriften

  • KI-økosystemet
  • Etiikk i KI
  • Hvordan drive KI i bedriften

Datakilder

  • Typen data
  • SQL vs. NoSQL
  • Oppbevaring av data
  • Forberedelse av data

数据分析 – Statistisk tilnærming

  • Sannsynlighet
  • Statistikk
  • Statistisk modellering
  • Forretningsbruk med Python

Maskinlæring i bedriften

  • Overvåket vs. uovervåket
  • Forutsigingsproblemer
  • Klassifiseringsproblemer
  • Klusterproblemer
  • Anomali-deteksjon
  • Anbefalingsmotorer
  • Minning av assosiasjonsmønstre
  • Løsning av ML-problemer med Python

Dyp læring

  • Problemer der tradisjonelle ML-algoritmer mislykkes
  • Løse komplekse problemer med dyp læring
  • Introduksjon til TensorFlow

Naturlig språkteknologi (NLP)

Datavisualisering

  • Visuelle rapporter fra modellering
  • Vanlige feil ved visualisering
  • Datavisualisering med Python

Fra data til beslutning – kommunikasjon

  • Skap innflytelse: datadrevet fortelling
  • Innflytelsesstyrke
  • Styring av datavitenskapprosjekter

Krav

Det er ikke noen spesifikke forutsetninger for å delta på dette kurset.

Antall deltakere


Pris per deltaker

Referanser (7)

Kommende kurs

Relaterte kategorier