Introduktion
OversigtMaskinlæring og naturlig sprogbehandling definerer den nuværende teknik inden for kunstig intelligens. Disse teknologier, som er en form for data mining og dataanalyse, lærer løbende af de leverede oplysninger. De genkender skjulte mønstre, der ofte giver dramatiske konkurrencefordele til relativt lave omkostninger for organisationen. Disse teknologier skaber betydelige forbedringer i den måde, vi arbejder, interagerer og lever på for at producere effektiviteter, man aldrig havde forestillet sig før. Disse metoder anvendes i en række forskellige industrier, herunder salg, marketing, reklame, sundhedspleje, strafferet, finansiel kundesupport og fede nye industrier som selvkørende biler og meget effektive automatiserede hjem. Organisationer i dag bruger disse metoder ikke kun til at forbedre deres kerneforretningsdrift, men også til at udvikle nye forretningsmodeller.Hvem skal tilmelde sigDette program er beregnet til fagfolk inden for en række forskellige brancher og jobfunktioner, der ønsker at hjælpe deres organisation med at udnytte de enorme mængder af forskelligartede data, de indsamler og udvikle selvforbedrende systemer, der forbedrer deres organisations evne til at konkurrere på den globale markedsplads. Specifikke jobtitler, der ville have gavn af dette program, omfatter marketing, salg, forretningsanalytikere, dataingeniører, dataanalytikere, computerforskere, databaseadministratorer, forskere, statistikere og de fagfolk, der ønsker at udvide deres færdigheder inden for dette område med høj efterspørgsel, mens de udnytter deres unik domænekundskab.
KarriereindsigtErhvervsoversigt for computer- og informationsforskere i USA.Job: 33.286 (2019)
Forventet vækst: 18,7% (2019-2029)
Årlig løn: $ 118k - $ 183k (25.-75. Percentil)ProgramfordeleLær af industrieksperter, hvordan man applicerer kunsten og videnskaben om maskin og dyb læring for at levere nye indsigter og forbedre din virksomheds konkurrenceevne
Forklar hvilke slags problemer der er bedst egnet til maskinindlæring, og hvilke er bedst til dyb læring
Forstå og anvende maskin- og dyb learning software værktøjer, der anvendes i industrien til at løse forretningsproblemer
Forklar forskellige læringsalgoritmer, og hvordan de anvendes til at forstå forskelle mellem ikke-overvågede, halvtilsynede, overvågede og forstærkende processer
Lær metoder og værktøjer til at anvende algoritmer ved hjælp af en bred vifte af reelle datatyper, herunder struktureret og ustruktureret tekst, video og billeder fra interne eller eksterne kilder (fx skrabet webdata) og evaluere deres ydeevne
Bestem relaterede software værktøjer til at overveje og hvordan man integrerer dem i eksisterende data workflows
Brug grundlæggende byggesten, generelle principper og cloud -teknologier som Amazon Web Services (AWS) til at designe maskinlæringsalgoritmer
Lær værktøjerne og teknikkerne til Natural Language Processing (NLP) og dets anvendelse i analysen af menneskeskabt indhold
Forstå fælles faldgruber og udfordringer ved hjælp af neurale netværk og dybe læringsredskaber
Forstå, hvilke hardware eller virtuelle maskiner der kræves til dyb læring
Forklar forskellen mellem maskin og dyb læring i modsætning til traditionelle statistiske data analyseteknikkerKursusplanForudsætningskurserIntroduktion til Python-programmering
Mellemliggende Python
Praktisk matematik og statistik til datalogiPåkrævede kurserVærktøj og teknikker til maskinindlæring
Kunstige netværk
Tekstminedrift og analyse til maskinindlæringValgfrie kurser (Minimum 4 enheder)Introduktion til Prediktiv Analytics
Dyb læring ved hjælp af TensorFlow
