Keystone logo
University of California, Irvine - Division of Continuing Education Online specialiseret studieprogram i maskin- og dybdelæring
University of California, Irvine - Division of Continuing Education

Online specialiseret studieprogram i maskin- og dybdelæring

USA Online, USA

9 Months

Engelsk

Deltid

Request application deadline

Request earliest startdate

USD 4.510 / per course *

Fjernundervisning

* Gennemsnitlig pris

Introduktion

Oversigt

Machine Learning og Natural Language Processing definerer det aktuelle niveau inden for kunstig intelligens. Disse teknologier, som er en form for datamining og dataanalyse, lærer løbende af de oplysninger, de får. 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, så vi opnår en effektivitet, vi aldrig havde forestillet os før. Disse metoder anvendes i en bred vifte af brancher, herunder salg, marketing, reklame, sundhedspleje, strafferet, finansiel kundesupport og cool nye brancher som selvkørende biler og højeffektive automatiserede hjem. Organisationer bruger i dag ikke kun disse metoder til at forbedre deres kerneforretning, men også til at udvikle nye forretningsmodeller.

Fordele ved programmet

  • Lær af brancheeksperter, hvordan du anvender kunsten og videnskaben i maskin- og dybdelæring til at levere ny indsigt og forbedre din virksomheds konkurrenceevne.
  • Forklar, hvilke typer problemer der egner sig bedst til maskinlæring, og hvilke der egner sig bedst til deep learning.
  • Forstå og anvende maskin- og deep learning-softwareværktøjer, der bruges i industrien til at løse forretningsproblemer
  • Forklare en række læringsalgoritmer, og hvordan de anvendes til at forstå forskelle mellem uovervågede, semi-overvågede, overvågede og forstærkningsprocesser
  • 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 (f.eks. skrabede webdata) og evaluere deres ydeevne
  • Bestem, hvilke relaterede softwareværktøjer der skal overvejes, og hvordan de skal integreres i eksisterende dataarbejdsgange.
  • Bruge 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 brugen af dem i analysen af menneskeskabt indhold.
  • Forstå almindelige faldgruber og udfordringer ved brug af neurale netværk og deep learning-værktøjer
  • Forstå, hvilken hardware eller virtuelle maskiner der er nødvendige til deep learning
  • Forklar forskellen mellem maskin- og deep learning og traditionelle statistiske dataanalyseteknikker

Læreplan

Ideelle studerende

Karrieremuligheder

Om skolen

Spørgsmål