Lépjen kapcsolatba velünk
 Időtartalma 21 órák

Kurzusleírás

Bevezetés

  • A prediktív AI meghatározása
  • A prediktív analitika történelmi háttere és fejlődése
  • A gépi tanulás és az adatbányászat alapelvei

Adatgyűjtés és előfeldolgozás

  • Megfelelő adatok összegyűjtése
  • Adatok tisztítása és előkészítése az elemzéshez
  • Adattípusok és források megértése

Exploratív adatelemzés (EDA)

  • Adatok vizualizálása látások kinyerésére
  • Írásbeli statisztika és adatterjedés
  • Mintázatok és összefüggések azonosítása az adatokban

Statisztikai modellezés

  • A statisztikai következtetés alapjai
  • Regressziós elemzés
  • Beszorzolási modellek

Gépi tanulási algoritmusok az előrejelzéshez

  • Áttekintés a felügyelt tanulási algoritmusokról
  • Döntőfák és véletlen erdők
  • Neurális hálózatok és mélytanulás alapjai

Modellkiértékelés és kiválasztás

  • A modellpontosság és teljesítmény-mutatók megértése
  • Keresztvalidációs technikák
  • Túlilleszkedés és modellhangolás

A prediktív AI gyakorlati alkalmazásai

  • Esettanalízisok különböző iparágakban
  • Etikai szempontok a prediktív modellezésben
  • A prediktív AI korlátai és kihívásai

Gyakorlati projekt

  • Prediktív modell létrehozása egy adathalmazzal dolgozva
  • A modell alkalmazása előrejelzések készítéséhez
  • Eredmények kiértékelése és értelmezése

Követelmények

  • Alapvető statisztikai ismeretek
  • Egy programnyelv gyakorlása szerinte
  • Adatfeldolgozással és táblázatokkal szerinte ismeretség
  • Nem szükséges korábbi tapasztalat AI vagy adat-tudomány terén

Célközönség

  • IT szakemberek
  • Adatanalitikusok
  • Műszaki személyzet

Résztvevők száma


Ár per résztvevő

Vélemények (3)

Közelgő kurzusok

Rokon kategóriák