fbpx

給經理人的人工智慧(AI)和機器學習課程

從策略的角度來看待人工智慧(AI)是如何運作的,並幫助你在工作中脫穎而出!

简体中文课程介绍

課程概覽

這個”給經理人的人工智慧”課程是專門為經理(專案經理,CXO,總監,副總裁,產品經理,高階經理,團隊領導等)設計的,有我們獨特的雲端實驗室訪問權限。 自定進度的課程為管理人員配備了管理任何人工智慧(AI)和機器學習(ML)專案 / 創新所需的工具。

一般的看法是,我們應該知道很多數學學習人工智慧。 但是經過1000多個小時的訓練和使用人工智慧解決許多商業問題之後,我們相信任何人都可以學習人工智慧並在工作中應用這些知識,甚至在我們的日常生活中。

此外,本課程不需要任何程式設計知識。 它將教你使用真實世界的實際範例和案例研究的人工智慧建立模組。

此外,人工智慧專案是複雜的,作為一位管理者,你必須知道如何為整個團隊和組織設定技術方向策略。

只要帶上你的商業和管理經驗,剩下的就交給課程了。

當你完成課程的時候,你已經準備好應用新學到的技能,使用人工智慧為你的企業做出更好的商業和策略決策。

課程特色

依自己的節奏學習

以你自己的速度向業界專家學習。 課程長度有 12 個多小時

案例研究

分析各種資料集來訓練演演算法並預測輸出結果

實驗室和 BootML

透過在 BootML 上實際操作進行學習

1對1輔導 ( 另外課程方案 )

訂閱1:1的輔導課程,並從業界領袖和專業人士那裡獲得指導

最佳等級的支援

24/7支援和論壇訪問,解答您在整個學習過程中的所有疑問

證明書

在履歷或 LinkedIn 上突出你的新技能

現在就登記

(70% OFF-有效期至2月28日)

依自己的節奏學習 ( 含 180 天的免費實驗室 )


原價 US 900 目前特價 US 359

課程大綱

這是第一個也是唯一的一個專業化課程。 我們從建構人工智慧、機器學習和深度學習開始。 然後,我們開始瞭解人工智慧在各種商業中的影響,並學習如何在當前的角色中利用人工智慧。

每個主題的每個課程材料包括高品質的視訊、幻燈片、實踐評估、測驗和案例研究,以確保它是有效的、令人興奮的,並具有較長的上架期。 透過本課程,您還可以進入真實世界的線上實驗室,以便在實踐中學習。

本課程不需要任何人工智慧、機器學習、程式設計和數學方面的專業知識。 帶上你的商業和管理經驗,剩下的就交給你了。

1 介紹

作為介紹的一部分,我們將學習什麼是人工智慧以及人工智慧、機器學習和大資料的各種組成元件。 我們還將用非常人性的範例討論各種各樣的案例。 您還將熟悉人工智慧、機器學習和電腦領域的常用術語。

2. 機器學習流程

在這一章中,我們將學習機器學習的流程和使用在真實生活中應用的各種重要概念。 我們將從機器學習的基礎開始,到最後,我們將準備好建立機器學習專案。

3. 分析和資料科學

我們將學習如何清理、視覺化資料。 本章將圍繞理解分析,統計和機率。 我們也會談到推論統計學的重要問題。

4. 端到端專案

我們將建立一個端到端的機器學習專案。 例如,預測加州的房價。 我們將經歷各種步驟,例如: 設計問題,識別問題的類型,分割資料,選擇效能標準等。 我們已經構建了一個非常簡單的工具,名為 BootML,它使得無需任何程式語言或框架知識就可以執行端到端專案成為可能。 BootML 在一個非常使用者友好的介面中接受您的輸入,然後生成整個專案。 接下來將進行七個案例研究,您可以使用 BootML 構建這些案例。

5. 機器學習的基礎

本章將通過關注演算法是如何運作的,更深入地探討機器學習。 我們將探索重要的演算法和他們的內部工作以在簡單的描述和使用真實生活中的範例,無需任何數學或編碼。 我們將學習線性迴歸,決策樹,神經網路,不同型別的神經網路,如 CNN 和 RNN。 我們還將學習一項偉大的技術,叫做整合學習( ensemble learning )。

6. 機器學習專案的挑戰

在一個典型的機器學習專案中,有各種各樣的挑戰。 這一章涵蓋了這些困難並討論瞭如何克服它們。

7. 非監督式學習

在許多機器學習的案例中,我們沒有標記的資料。 相反,我們試圖找出給定資料中的模式。 典型的機器學習專案包括有監督和無監督的方法。 作為本章的一部分,我們將學習以下主題。 我們將學習各種各樣的非監督式學習問題,以及針對每種問題類型使用的適當演算法。 隨後將進行各種案例研究和舉例。

8. 廣義人工智慧與真實生活中的大型專案

作為本章的一部分,我們將學習如何使用前面章節中的區塊開發更大的應用程式。 我們將學習大型系統,如 Alexa,自動駕駛汽車,電子商務推薦(亞馬遜) ,資料中心電源消耗優化,AutoDraw,Google Docs-Insert Symbol features 和 Google Translate。

9. 框架和程式庫

我們將學習框架、程式庫和程式語言及其差異。 本章將向我們介紹各種程式庫的名稱及其功能。 在程式語言中,我們將獲得 Python,C,C++ 和 Java 的概述。 然後我們將學習諸如 Keras、 Tensorflow、 Spark MLLIB、 Scikit Learn 等框架。 我們還將學習各種開源框架、預先訓練的模型和資料集。 此外,我們亦會提供詳盡的資料。

10. 如何建立資料科學團隊

我們將學習如何建立和維護一個資料科學團隊,以及如何管理更大的專案。

證明書

獲得你的證書

我們的專業化是詳盡的,證書獎勵由我們證明您已經採取了大數據領域的大飛躍。

讓自己與眾不同

你從專案、視訊、測驗、實踐評估和案例研究中獲得的知識會給你帶來競爭優勢。

分享你的成就

在你的履歷、 LinkedIn、 Facebook 和 Twitter 上突出你的新技能。 告訴你的朋友和同事。


課程英文介紹

也許您會有興趣

 歡迎使用 e-mail 訂閱 Soft & Share 

發表迴響

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 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: