Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
Εισαγωγή
- Ορισμός της Prognosticής AI
- Ιστορικό πλαίσιο και εξέλιξη των προγνωστικών αναλύσεων
- Βασικά αρχήρους μηχανικής μάθησης και δεδομένων εξόρυξης
Συλλογή και Προεπεξεργασία Δεδομένων
- Συλλογή σχετικών δεδομένων
- Καθαρισμός και προεπεξεργασία των δεδομένων για ανάλυση
- Συνεισφορά στους τύπους και πηγές των δεδομένων
Αναζήτηση Δεδομένων (EDA)
- Βιαστικοποίηση δεδομένων για αποφάσεις
- Δηλητηριώδη στατιστική και επίκριση δεδομένων
- Ανίχνευση μοτίβ και σχέσεων στα δεδομένα
Στατιστική Μοντελοποίηση
- Βασικά στατιστικής απόδοσης
- Ανάλυση παραγωγών
- Μοντέλα τάξης
Διδακτικοί Πειραματισμοί για Prognosticή AI
- Περιγραφή των επιχειρηματικών μεθόδων μάθησης
- Δέντρα απόφασης και τυχαίοι δάσκαλοι
- Νευρωνικά δίκτυα και βαθύ μάθηση
Αξιολόγηση και Επιλογή Μοντέλων
- Συνείδηση της ακρίβειας και των μετρικών περιγραφής του μοντέλου
- Τεχνικές συνδυασμού επιβεβαίωσης
- Πρόσθετη χρήση και αξιοποίηση του μοντέλου
Εφαρμοσμένες εφαρμογές Prognosticής AI
- Περιπτώσεις που αφορούν διάφορες βιομηχανίες
- Ενότητες συναισθήματος και προγνωστικών μοντέλων
- Ορίζουν τις εφαρμογές Prognosticής AI
Εφαρμοστικό Πρόγραμμα
- Έργο με σύνολο δεδομένων για να δημιουργήσετε μοντέλο πρόβλεψης
- Προσχώρηση του μοντέλου για να κάνετε προβλέψεις
- Αξιολόγηση και ερμήνευση των αποτελεσμάτων
Περίληψη και Επόμενα Βήματα
Requirements
- Ιδιότητα για βασικές στατιστικές
- Εμπειρία με κάποιο πρόγραμμα προγραμματισμού
- Γνώση των αλληλουχιών δεδομένων και σελίδων εξήγησης
- Δεν απαιτείται προηγούμενη εμπειρία σε AI ή δεδομένων επιστήμη
Αудитόριο
- IT επαγγελματίες
- Δεδομένων αναλυτές
- Τεχνικό προσωπικό
21 Hours
