fbpx

AI 產品管理專業課程

管理機器學習產品的設計和開發。 了解機器學習的工作原理以及何時以及如何應用它來解決問題。 學習應用資料科學流程和最佳實踐來領導機器學習專案,以及如何開發以人為本的 AI 產品,以確保隱私和道德標準。

關於此專業課程

每個行業的組織都在加速使用人工智慧和機器學習來創建創新的新產品和系統。這需要跨越一系列職能的專業人員,而不僅僅是嚴格地在資料科學和資料工程團隊內,其了解何時以及如何應用人工智慧,講數據和分析的語言,並能夠與跨職能團隊共同完成機器學習專案。

此專業課提供了對機器學習如何工作以及何時以及如何應用它來解決問題的基本理解。學習者將培養應用資料科學流程和行業最佳實踐來領導機器學習專案的技能,並培養設計以人為本的人工智慧產品的能力,以確保隱私和道德標準。本專業課程側重於這些技術背後的直覺,無需程式設計,並將理論與實踐資訊(包括行業最佳實踐)相結合。來自不同行業和職能的專業人士和有抱負的專業人士,包括產品經理和產品負責人、工程團隊負責人、高層管理者、分析師和其他人,都會發現本專業課程很有價值。

到官方網站了解本課程與上課

應用學習專案

學習者將在整個專業課程中實施三個專案:

1 ) 在課程 1 中,你將完成一個動手做的專案,你將在其中創建機器學習模型來解決一個簡單的問題(不需要寫程式)並評估模型的性能。

2 ) 在課程 2 中,你將識別和構建一個感興趣的問題,設計一個可以幫助解決問題的機器學習系統,並開始制定專案計劃。

3 ) 在課程 3 中,你將為基於 ML 的解決方案執行基本的用戶體驗設計練習,並分析專案的相關道德和隱私考慮因素。

你將學到的內容有

  • 確定何時以及如何應用機器學習來解決問題
  • 應用以人為本的設計實踐來設計保護隱私並符合道德標準的 AI 產品體驗
  • 使用資料科學流程和行業最佳實踐領導機器學習專案
  • 識別和減輕人工智慧專案中的隱私和道德風險

你將獲得的技能:

資料科學人工智慧(AI)機器學習
預測分析建模人工神經網路
專案管理

字幕

英文

製作方

Duke University 杜克大學 ( 看更多 Duke 提供的課程 )

杜克大學擁有約 13,000 名大學和研究生以及世界一流的師資隊伍,有助於拓展知識領域。 該大學堅定地致力於將知識應用於社會服務,無論是在北卡羅來納州校園附近還是在世界各地。

第 1 門課程  產品經理的機器學習基礎

在杜克大學普拉特工程學院提供的人工智會產品管理專業的第一門課程中,你將對機器學習是什麼、其如何工作以及何時與為什麼應用它有一個基本的了解。要成功管理 AI 團隊或產品並與資料科學家、軟體工程師和客戶協作,你需要了解機器學習技術的基礎知識。本課程提供機器學習無關程式設計的介紹,重點介紹模型開發過程、ML 模型評估和解釋,以及常見 ML 和深度學習演算法背後的直覺。本課程將以一個動手做的專案結束,你將有機會在一個簡單的現實世界問題上訓練和優化機器學習模型。

在本課程結束時,你應該能夠:
1) 解釋機器學習的工作原理和機器學習的類型
2) 描述建模的挑戰和克服這些挑戰的策略
3) 確定用於常見 ML 任務的主要演算法及其用例
4) 解釋深度學習及其相對於其他機器學習形式的優勢和挑戰
5) 實施評估和解釋機器學習模型的最佳實踐


第 2 門課程  管理機器學習專案

杜克大學普拉特工程學院人工智慧產品管理專業的第二門課程側重於管理機器學習專案的實踐方面。 本課程介紹了 ML 專案的關鍵步驟,從如何通過資料收集、模型構建、部署以及生產系統的監控和維護來識別 ML 的良好機會。 參與者將了解資料科學過程以及如何應用該過程來組織 ML 工作,以及設計 ML 系統的關鍵考慮因素和決策。

在本課程結束時,你應該能夠:
1) 發現應用機器學習為用戶解決問題的機會
2) 應用資料科學過程來組織 ML 專案
3) 評估在 ML 系統設計中做出的關鍵技術決策
4) 從構思到生產使用最佳實踐領導 ML 專案


第 3 門課程  人工智慧中的人為因素

杜克大學普拉特工程學院人工智慧產品管理專業的第三門也是最後一門課程關注基於人工智慧的產品開發中關鍵人為因素。本課程首先介紹以人為本的設計以及 AI 產品用戶體驗設計的獨特元素。然後,參​​與者將了解資料隱私在 AI 系統中的作用、設計合乎道德的 AI 的挑戰,以及識別偏見來源和緩解公平問題的方法。本課程以人類智慧和人工智慧的比較結束,並討論了人工智慧可用於自動化和輔助人類決策的方式。

在本課程結束時,你應該能夠:
1) 識別並減輕人工智慧專案中的隱私和道德風險
2) 應用以人為本的設計實踐來設計成功的 AI 產品體驗
3) 構建人工智慧系統,增強人類智慧並激發用戶對模型的信任


到官方網站了解本課程與上課

Sponsored by Coursera


追蹤 Soft & Share

✍ 不受社群推薦演算法影響,建議 Telegram/Discord/e-mail

幫我們個小忙!

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: