Schița de curs

Introducere

  • Definirea Predictive AI
  • Contextul istoric și evoluția analizei predictive
  • Principii de bază ale învățării automate și ale mineritului de date

Colectarea și Prelucrarea Datelor

  • Colectarea datelor relevante
  • Curățarea și pregătirea datelor pentru analiză
  • Înțelegerea tipurilor și surselor de date

Analiza Exploratorie a Datelor (EDA)

  • Vizualizarea datelor pentru informații valoroase
  • Statistici descriptive și sumarizarea datelor
  • Identificarea modelelor și relațiilor în date

Modelarea Statistică

  • Bazele inferenței statistice
  • Analiza de regresie
  • Modele de clasificare

Algoritmi de Învățare Automată pentru Predicție

  • Prezentare generală a algoritmilor de învățare supervizată
  • Arbori de decizie și păduri aleatoare
  • Bazele rețelelor neuronale și ale învățării profunde

Evaluarea și Selectarea Modelelor

  • Înțelegerea acurateței și metricilor de performanță ale modelelor
  • Tehnici de validare încrucișată
  • Supraadaptarea și ajustarea modelelor

Aplicații Practice ale Predictive AI

  • Studii de caz din diverse industrii
  • Considerații etice în modelarea predictivă
  • Limitări și provocări ale Predictive AI

Proiect Practic

  • Lucrul cu un set de date pentru a crea un model predictiv
  • Aplicarea modelului pentru a face predicții
  • Evaluarea și interpretarea rezultatelor

Rezumat și Pași Următori

Cerințe

  • Înțelegerea elementelor de bază ale statisticii
  • Experiență cu orice limbaj de programare
  • Familiaritate cu manipularea datelor și foile de calcul
  • Nu este necesară experiență anterioară în AI sau știința datelor

Publicul țintă

  • Profesioniști IT
  • Analiști de date
  • Personal tehnic
 21 Ore

Numărul de participanți


Pret per participant

Mărturii (3)

Cursuri viitoare

Categorii înrudite