IBM AI Engineering 專業證書

開啟您的 AI 工程師職業生涯。了解如何使用機器學習和深度學習技術從大數​​據中提供業務洞察。

關於此專業課程

人工智慧 ( AI )正在徹底改變整個行業,改變跨行業公司利用資料做出決策的方式。為了保持競爭力,組織需要合格的 AI 工程師,他們使用機器學習演算法和深度學習神經網絡等尖端方法為其業務提供數據驅動的可操作智慧。這涵蓋 6 門課程的專業證書旨在為您提供在 AI 或 ML 工程師職業生涯中取得成功所需的工具。

您將使用 Python 等程式語言掌握機器學習和深度學習的基本概念,包括監督學習和無監督學習。您將應用流行的機器學習和深度學習庫(例如 SciPy、ScikitLearn、Keras、PyTorch 和 Tensorflow )解決涉及物件識別、電腦視覺、圖像和視頻處理、文本分析、自然語言處理 ( NLP )、推薦系統的行業問題,以及其他類型的分類器。

通過實踐專案,您將獲得使用 Apache Spark 擴展大資料機器學習演算法的基本資料科學技能。您將建構、訓練和部署不同類型的深度架構,包括卷積神經網絡、循環網路和自動編碼器。

除了從 Coursera 獲得專業證書外,您還將收到 IBM 頒發的數位徽章,以表彰您在 AI 工程方面的熟練程度。

到官方網站了解本課程與上課

應用的學習專案

在整個計劃中,您將建構一個專案組合,以證明您對課程主題的掌握。動手專案將為您提供機器學習庫和深度學習框架(如 SciPy、ScikitLearn、Keras、PyTorch 和 Tensorflow)的實用知識。您還將完成一個深入的 Capstone 專案,在此專案中,您將把 AI 和神經網路技能應用到現實世界中的挑戰中,並展示出您交流專案結果的能力。

你將學到的內容有

  • 描述機器學習、深度學習、神經網路和機器學習演算法,如分類( classification )、迴歸( regression )、聚類( clustering )和降維( dimensional reduction )
  • 使用 SciPy 和 ScikitLearn 實施有監督和無監督的機器學習模型
  • 在 Apache Spark 上部署機器學習演算法和管道
  • 使用 Keras、PyTorch 和 TensorFlow 建構深度學習模型和神經網路

你將獲得的技能:

資料科學人工神經網路人工智慧( AI )
機器學習Python 程式設計大數據
Spark 深度學習 keras

字幕

英文

製作方

IBM

通過開放式混合雲平台和AI,IBM 是業務轉型的全球領導者,為全球 170 多個國家/地區的客戶提供服務。 如今,《財富》 50強公司中有 47 家依靠 IBM Cloud 來運營業務,而 IBM Watson 企業 AI 則在 30,000 多個專案中努力工作。 IBM 也是世界上最重要的企業研究組織之一,連續 28 年處於專利領導地位。 最重要的是,在信任和透明性原則以及對更具包容性的社會的支持的指導下,IBM 致力於成為負責任的技術創新者和造福世界的力量。

第 1 門課程   使用Python 進行機器學習

本課程使用一種平易近人且眾所周知的程式語言 Python 深入了解機器學習的基礎知識。

在本課程中,我們將回顧兩個主要組成部分:
首先,您將了解機器學習的目的以及它在現實世界中的應用。
其次,您將大致了解機器學習主題,例如監督與非監督學習、模型評估和機器學習演算法。

在本課程中,您將使用機器學習的真實示例進行練習,並了解它如何以您可能無法猜到的方式影響社會!

只需在接下來的幾週內每週花幾個小時,這就是你會得到的。

  • 添加到簡歷中的新技能,例如迴歸、分類、聚類、sci-kit 學習和 SciPy
  • 您可以添加到您的投資組合中的新專案,包括癌症檢測、預測經濟趨勢、預測客戶流失、推薦引擎等等。
  • 以及機器學習證書以證明您的能力,並在線或離線分享您喜歡的任何地方,例如 LinkedIn 個人資料和社交媒體。

如果您選擇參加本課程並獲得 Coursera 課程證書,您還將在成功完成課程後獲得 IBM 數位徽章。


第 2 門課程 使用 Apache Spark 對大數據進行可擴展的機器學習

本課程將使您掌握使用 Apache Spark 在大數據集上擴展資料科學和機器學習 (ML) 任務的技能。大多數現實世界的機器學習工作都涉及非常大的資料集,這些資料集超出了單台電腦的 CPU、記憶體和儲存限制。

Apache Spark 是一個開源框架,它利用集群計算和分佈式儲存以高效且具有成本效益的方式處理超大資料集。因此,使用 Apache Spark 的應用知識對於機器學習工程師來說是一項重要的資產和潛在的差異化因素。

完成本課程後,您將能夠:

  • 實際了解 Apache Spark,並將其應用於解決涉及小數據和大數據的機器學習問題
  • 了解並行代碼是如何編寫的,能夠在數千個 CPU 上運行。
  • 使用 Apache SparkML 管道,利用大規模計算集群在 PB 級數據( Petabytes of data )上應用機器學演習算法。
  • 消除當資料不符合電腦的主要記憶時傳統機器學習框架產生的記憶體不足的錯誤
  • 並行測試數千個不同的 ML 模型以找到性能最佳的模型 – 許多成功的 Kaggler 使用的技術
  • (選修)使用 Apache SparkSQL 和 Apache Spark DataFrame API 在非常大的數據集上運行 SQL 語句。

現在報名學習大數據的機器學習技術,這些技術已被阿里巴巴、蘋果、亞馬遜、百度、eBay、IBM、美國宇航局、三星、SAP、TripAdvisor、雅虎、Zalando 等公司成功應用。

注意:您將在課程期間在 IBM 提供的免費 Apache Spark 集群上練習運行機器學習任務,之後您可以繼續使用。

先決條件:

  • 基本的 python 程式設計
  • 基本機器學習 (本課程也提供可選的介紹視頻)
  • 選修內容的基本 SQL 技能

上這門課之前推薦以下課程(除非你已經有技能)
用於資料科學、AI 與開發的 Python或類似
使用 Python 進行機器學習或類似
運用 Python 和 SQL 的資料科學基礎 可選講座


第 3 門課程  採用 Keras 的深度學習與神經網路介紹

想開始深度學習的職業生涯? 別再看了。 本課程將向您介紹深度學習領域,並幫助您回答當今人們提出的許多問題,例如什麼是深度學習,以及深度學習模型與人工神經網路相比如何? 您將了解不同的深度學習模型並使用 Keras 程式庫( library )建構您的第一個深度學習模型。

完成本課程後,學習者將能夠:

  • 描述什麼是神經網路,什麼是深度學習模型,以及它們之間的區別。
  • 展示對無監督深度學習模型的理解,例如自動編碼器( autoencoders )和受限的玻爾茲曼機( restricted Boltzmann machines. )。
  • 展示對監督深度學習模型的理解,例如卷積神經網路( convolutional neural networks )和循環網絡( recurrent networks )。
  • 使用 Keras 程式庫建構深度學習模型和網路。

第 4 門課程  使用 Pytorch 的深度神經網路

本課程將教您如何使用 Pytorch 開發深度學習模型。 本課程將從 Pytorch 的張量( tensors )和自動微分包( Automatic differentiation package )開始。 然後每個部分將涵蓋不同的模型,從基礎知識開始,例如線性迴歸和邏輯/softmax 迴歸。 其次是前饋深度神經網路,不同的啟動函數、正規化和 dropout 層的作用。 然後將介紹卷積神經網路( Convolutional Neural Networks )和轉移學習( Transfer learning )。 最後,還將介紹其他幾種深度學習方法。

完成本課程後,學習者將能夠:

  • 解釋並應用他們對深度神經網路和相關機器學習方法的知識
  • 知道如何將 Python 程式庫(例如 PyTorch)用於深度學習應用程式
  • • 使用 PyTorch 構建深度神經網路

第 5 門課程  用 TensorFlow 建置深度學習模型

世界上的大多數資料都是未標記和非結構化的。 淺層神經網路無法輕鬆捕獲圖像、聲音和文本資料等相關結構。 深度網路能夠發現此類資料中的隱藏結構。 在本課程中,您將使用 TensorFlow 程式庫將深度學習應用於不同的資料類型,以解決現實世界中的問題。

完成本課程後,學習者將能夠:

  • 解釋基本的 TensorFlow 概念,例如主要功能、操作和執行管道。
  • 描述如何將 TensorFlow 用於曲線擬合、迴歸、分類和誤差函數的最小化。
  • 了解不同類型的深度架構,例如卷積網路、遞歸網路和自動編碼器。
  • 在訓練神經網路時應用 TensorFlow 進行反向傳播以調整權重和偏差。

第 6 門課程  深度學習的 AI Capstone 專案

在這個總整( capstone )專案中,學習者將應用他們的深度學習知識和專業知識來應對現實世界的挑戰。 他們將使用自己選擇的程式庫來開發和測試深度學習模型。 他們將為實際問題載入和預處理資料,構建模型並對其進行驗證。 然後,學習者將提交一份專案報告,以證明他們模型的有效性以及他們在深度學習領域的熟練程度。

學習成果:

  • 確定在何種情況下使用何種深度學習方法
  • 知道如何構建深度學習模型來解決實際問題
  • 掌握創建深度學習管道的過程
  • 應用深度學習知識,使用真實數據改進模型
  • 展示呈現和交流深度學習專案成果的能力

到官方網站了解本課程與上課

Sponsored by Coursera

你可能會有興趣

找其它課程?試看看 Soft & Share 網站搜尋引擎

✍ 搜尋結果太多?可參考 Soft & Share 搜尋引擎使用技巧


幫我們個小忙!

使用 e-mail 追蹤 Soft & Share

這個網站採用 Akismet 服務減少垃圾留言。進一步了解 Akismet 如何處理網站訪客的留言資料

Powered by WordPress.com.

Up ↑

%d 位部落客按了讚: