Ta kontakt
 Varighet 21 timer

Kursplan

Introduksjon

  • Definisjon av prediktiv AI
  • Historisk kontekst og utvikling av prediktiv analyse
  • Grunnleggende prinsipper for maskinlæring og datautvinning

Datasamling og forbehandling

  • Innsamling av relevante data
  • Avrenser og forbereder data for analyse
  • Forståelse av datatyper og kilder

Eksplorative dataanalyse (EDA)

  • Visualisering av data for innsikter
  • Beskrevne statistikk og datasammenfatning
  • Identifisering av mønstre og sammenhenger i data

Statistisk modellering

  • Grunnleggende statistisk inferanse
  • Regresjonsanalyse
  • Klassifiseringsmodeller

MASKINLÆRING ALGORITMER FOR PREDIKSJON

  • Oversikt over overvåkede læringsalgoritmer
  • Besluttrær og tilfeldige skoger
  • Neurale nettverk og grunnleggende dybrelæring

Modellvurdering og valg

  • Forståelse av modellnøyaktighet og ytelsesindikatorer
  • Kryssvalideringsteknikker
  • Overfitting og modelljustering

Praktiske anvendelser av prediktiv AI

  • Kasusstudier innenfor ulike bransjer
  • Ethiske betraktninger i prediktiv modellering
  • Limitasjoner og utfordringer for prediktiv AI

Hånd på kobb-prosjekt

  • Arbeid med et datasett for å opprette en prediktiv modell
  • Anvendelse av modellen til å gjøre forutsigelser
  • Vurdering og tolkning av resultatene

Krav

  • En forståelse av grunnleggende statistikk
  • Erfaring med ethvert programmeringsspråk
  • Kjennskap til databehandling og regneark
  • Ingen tidligere erfaring med AI eller datasvitenskap kreves

Målgruppe

  • IT-profesjonelle
  • Dataanalytikere
  • Teknisk personale

Antall deltakere


Pris per deltaker

Referanser (3)

Kommende kurs

Relaterte kategorier