Course Outline

Εισαγωγή

Γενική Προοπτική της Τεχνητής Νοημοσύνης (AI)

  • Δυναμικά συστήματα μαθήσεως

Εξέρευνα των Υπολογιστικών Προστιθέμενης Αξίας για την AI

  • Τεχνητή νοημοσύνη στο επιχειρηματικό πλαίσιο

Διδασκαλία για την Τεχνολογία της AI

  • Underfit και overfit, κατηγοροποίηση και αυτοκαθάριση
  • Πολύ-επίπεδη εντύπωση (MLP) και βαθιά μάθηση
  • Δυναμικές περιβλήψεις και ανακατασκευαστικοί νευρωνικοί δίκτυα

Αξιολόγηση των Στρατηγικών Προσεγγίσεων

  • Καθιέρωση ή προμήθεια (build or buy?)
  • Μοντέλα απόδοσης AI για την εταιρεία σας

Δουλειά με τα Δεδομένα στην Οργάνωσή σας

  • Εκτίμηση εταιρικότητας δεδομένων
  • Embedding λέξεων
  • Τρέξιμο με τεχνητά δεδομένα

Αξιολόγηση της Επιλογής Προ젝τών AI

  • Κύριες προσδιορίσεις για επιλογή προγράμματος

Διαχείριση Προγράμματος AI

  • Μάθηση μηχανής versus βαθιά μάθηση
  • Διαχείριση προγράμματος (ζωή, χρονοδιαγράμματα, μέθοδος)
  • Ελιξειώσεις, διασφάλιση και διαχείριση των κινδύνων

Συλλογή Απόκρισης

  • Πραγμάτευση μεθόδων απόκρισης (ερωτηματολόγια, διευθύνσεις κλπ.)
  • Κλείσιμο πράξεις τους οποίους θα παρέχουν απόκριση
  • Ανάλυση αποτελεσμάτων

Σύνοψη και Επόμενα Βήματα

Requirements

  • Δεν απαιτούνται προτιμήσεις

Πúblico

  • Στρατηγικοί ηγέτες επιχειρήσεων
  • Διευθύντες προγραμμάτων
 14 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories