10 天無程式碼人工智慧訓練營

使用 Google Teachable Machines、DataRobot、AWS Autopilot 和 Vertex AI 在 10 天內建立 10 個 AI 專案，無需編寫程式碼

從這 12.5 小時的課程，你會學到

10 天內建置、訓練、測試和部署 10 個 AI/ML 模型，無需編寫任何程式碼。
使用 Google Teachable Machine 建置、訓練、測試和部署 AI 模型以對時尚單品進行分類。
使用 Tensorspace JS、Google Tensorflow Playground 和 Ryerson 3D CNN 視覺化來視覺化最先進的人工智慧模型。
解釋學習率、epochs、batch size、accuracy 和 loss 的差異。
使用 DataRobot AI 建置、訓練和部署先進的 AI 來檢測糖尿病視網膜病變。
利用 AI 的力量解決回歸任務並使用 DataRobot AI 預測二手車價格。
使用混淆矩陣、分類準確性和錯誤率等各種 KPI 評估經過訓練的 AI 模型。
了解殘差神經網路 (ResNets) 背後的理論和直覺，這是一種在多個行業中廣泛採用的最先進的深度神經網路。
了解分類器閾值對假陽性率（Fallout）和真陽性率（敏感性）的影響。
使用 DataRobot AI 根據員工敬業度、離家距離、工作滿意度等特徵來預測員工流失。
使用 Google Teachable Machines 開發人工智慧模型來偵測口罩。
建置、訓練和部署基於 XGBoost 的演算法，以使用 AWS SageMaker Autopilot 執行迴歸任務。
了解如何使用遷移學習策略將知識從預先訓練的人工神經網路遷移到新網路。
了解如何基於 XG-Boost、人工神經網路、隨機森林分類器訓練多個 AI 模型，並在 DataRobot 中比較它們的表現。
了解如何使用 SageMaker Studio AutoML 工具來建置、訓練和部署 AI/ML 模型，這幾乎需要零編碼經驗。
區分各種迴歸模型 KPI，例如 R2 或決定係數、平均絕對誤差和均方誤差。
了解如何使用 Google Vertex AI 建置、訓練、測試和部署進階機器學習分類模型。
了解如何利用人工智慧/機器學習的力量，利用利率和貸款目的等特徵來預測銀行客戶信用卡違約
了解如何使用 Google Vertex AI 建立新資料集使用 Google Vertex AI 開發和管理實驗。
了解簡單迴歸和多元線性迴歸背後的理論、直覺和數學，並區分各種迴歸模型 KPI。
超參數最佳化作業完成後部署最佳模型，並了解如何評估特徵重要性並解釋模型預測。
使用 Google Vertex AI 部署和監控 AI/ML 模型並建立 AI/ML 應用程式。

要求

該課程沒有任何先決條件，對任何沒有程式設計知識或沒有基礎程式設計知識的人開放。參加本課程的學生將掌握人工智慧基礎知識，並直接應用這些技能來解決現實世界中的挑戰性問題。

課程說明

無程式碼人工智慧革命已經來臨！你是否有能力利用這一波新的程式碼友善工具為人工智慧的未來鋪路？

各種規模的企業都希望發揮機器學習和人工智慧的力量，但進入障礙很高。這就是無程式碼 AI/ML 工具正在改變遊戲規則的地方。

從快速實施到降低開發成本和易用性，醫療保健、財務、行銷等部門都在尋求無程式碼解決方案來提供有影響力的解決方案。

但儘管它們具有開創性，但如果沒有像你這樣發號施令的人才，它們就什麼都不是…

你是否想利用機器學習和人工智慧，但對所涉及的複雜編碼感到害怕？
你想掌握市場上一些頂級的無程式碼工具嗎？
你想在你的企業中實施機器學習和人工智慧解決方案，但沒有學術背景可以理解嗎？

是的？！那麼本課程適合你。

報名我們的新課程：10天無程式碼人工智慧訓練營，掌握市場上的頂級工具並開始解決實際的行業場景

加入我們的暢銷講師 Ryan Ahmed 博士的行列，學習如何使用這些最先進的工具來建立、訓練、測試和部署模型，解決財務、人力資源、業務等方面的 10 個實際挑戰：

Google Teachable Machine (谷歌可教學機器)
Google TensorFlow Playground (谷歌 TensorFlow 遊樂場)
DataRobot (數據機器人)
AWS SageMaker Autopilot ( AWS SageMaker 自動駕駛儀)
Google Vertex AI (谷歌頂點人工智慧)
Tensorspace.JS (張量空間JS)

最好的部分？你將在 10 天或更短的時間內完成！

看看你將完成的 10 個專業專案：

第一天：發展一個人工智慧模型，使用 Google Teachable Machines 對時尚元素進行分類。

第 2 天：透過調整超參數、紀元和網路架構，深入研究人工智慧技術細節。

第 3 天：建置、訓練、測試和部署 AI 模型，以使用 Google Teachable Machines 偵測和分類口罩。

第 4 天：使用 Tensorspace.JS、Google Tensorflow Playground 和 Ryerson 3D CNN 視覺化視覺化最先進的 AI 模型。

第 5 天：使用 DataRobot 開發機器學習模型來預測二手車價格。

第 6 天：使用 DataRobot 開發人工智慧模型來預測員工流失率。

第 7 天：使用 DataRobot 開發人工智慧模型來檢測糖尿病視網膜病變

第 8 天：建立、訓練、測試和部署 AI 模型，以根據文字預測客戶情緒。

第 9 天：使用 AWS SageMaker Autopilot 開發人工智慧來預測信用卡違約。

第 10 天：使用 Google Vertex AI 開發 AI 模型來預測大學入學情況。

準備好以令人興奮的新方式挑戰你的人工智慧技能了嗎？立即註冊並體驗無程式碼人工智慧工具的強大功能。

目標受眾

經驗豐富的顧問，不具備編碼技能（或具有基本編碼技能），但希望透過利用人工智慧實現業務轉型。
有遠見的企業主希望利用人工智慧的力量來最大化收入、降低成本並優化業務。
希望提升職業生涯並建立自己的投資組合的人工智慧從業者。
對人工智慧充滿熱情並希望獲得現實世界實踐經驗的技術愛好者。

講師簡介

Prof. Ryan Ahmed | 50萬+ 學生| 最暢銷教授 人工智慧、LLM、Agentic AI、雲端運算、資料科學和 CoPilot 課程

大家好，歡迎！

我是 Ryan Ahmed 博士。我是教授、教育家，也是 Stemplicity School 的創辦人。在 Stemplicity School，我們致力於讓人工智慧和資料科學變得簡單易懂、實用、方便，人人都能輕鬆掌握。我熱衷於創造引人入勝、注重實踐的學習體驗，幫助人們在這個瞬息萬變的世界中蓬勃發展。

如果您剛踏入科技領域，或希望提升您在 AI、資料科學或雲端運算方面的技能，我的目標是讓這些複雜的主題變得平易近人、貼近生活、易於應用。在過去的十年裡，我已為來自160個國家的超過45萬名學員授課，並在我的YouTube頻道「Prof. Ryan Ahmed」上建立了一個擁有超過25萬訂閱者的全球社群。我在那裡分享教程和工具，幫助人們發展職業生涯。

我也曾為匯豐銀行、加拿大皇家銀行、Discover銀行和巴克萊銀行等公司在美國、加拿大和英國進行人工智慧企業培訓。在職業生涯早期，我曾在通用汽車、三星和Stellantis擔任領導職務，致力於電動車和自動駕駛汽車技術的研究。

我擁有麥克馬斯特大學的碩士、博士和工商管理碩士學位。此外，我也是註冊專業工程師和史丹佛大學認證的專案經理，在人工智慧和電池系統領域發表過50餘篇研究論文。但拋開這些頭銜，對我而言最重要的是看到他人取得成功。

如果您充滿好奇心、積極進取，並且渴望學習，我願助您邁出下一步。

Ligency 建構現實世界的 AI 產品

加入 Ligency，與超過 340 萬名學員一起學習。

我們擁有 4.6 分的講師評分、近 100 萬條評價，並提供 12 種語言的 121 門課程，幫助工程師、領導者和團隊掌握驅動當今人工智慧革命的技能，並交付實際成果。

我們從現實世界的起點出發：大型語言模型( LLM )及其驅動的產品。您將學習AI 和生成式人工智慧 (gen AI) 的基礎知識，然後交付生產級系統 – 聊天機器人、Co-Pilot、自動化和 AI 代理。我們將深入探討大型語言模型工程：檢索（RAG）、評估、可觀測性、安全性以及團隊大規模運行代理系統所使用的模式。

我們的技術堆疊實用且與時俱進。您將使用 Python、LangChain 和 LangGraph 快速建立原型；探索來自 OpenAI、Gemini 和 Claude（包括 Claude Code）的模型；使用 Hugging Face 和 Ollama 進行微調和部署；並在 AWS 上將其部署到生產環境 – 從 Bedrock 到事件驅動服務。需要自動化？我們利用 n8n、簡潔的介面和 CI/CD 將其完美整合。在此過程中，您將掌握在高負載下依然穩健的響應式工程技術。

未來發展方向：交付型人才的職位。熱愛建構的人才可以選擇 AI 工程師和 LLM 工程師；追求規模化可靠性的人才可以選擇平台和 MLOps 方向；致力於將智能體 AI 從簡報轉化為實際業務成果的人才可以選擇產品和領導力方向。貫穿始終的核心理念是：快速學習、快速建立、衡量一切、迭代優化。

從我們最暢銷的課程開始：

LLM 工程：精通 AI、大型語言模型和 Agents – 從最初的響應式設計到生產模式（RAG、Agents、評估、LangChain/LangGraph）的實踐路徑。

完整的 Agentic AI 工程課程 – 設計、編排和部署強大的 AI Agents 和 Agentic 工作流程。

生產環境中的 AI : 大規模的 Gen AI 和 Agenttic AI – AWS 上建置管道、監控和企業級部署的擴展模式。

生成式 AI 高階主管簡報：領導者的精通指南－生成式 AI 策略、治理與投資報酬率的簡明行動手冊。

如果您希望快速提陞技能並交付實際產品，歡迎加入我們。學習概念，體驗工具，建立產品 – 然後將其推向用戶。這就是 Ligency 的行事方式。

SuperDataScience Team 幫助資料科學家成功的團隊

Hi, 你好！

我們是 SuperDataScience 團隊。你將在 Kirill Eremenko 教授的資料科學課程中看到我們 – 我們在這裡幫助你解決任何問題，並確保你在課程的旅程中總是一舤風順！

聯繫最好的方法是在你正在學習的課程的問答中討論。在大多數情況下，我們會在 24 小時內回覆。

我們熱衷於幫助你享受課程！