Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
Bevezetés
- A prediktív AI meghatározása
- A prediktív analitika történelmi kontextusa és fejlődése
- A gépi tanulás és adatbányászat alapelvei
Adatgyűjtés és előfeldolgozás
- A releváns adatok gyűjtése
- Az adatok tisztítása és előkészítése elemzésre
- Az adattípusok és források megértése
Feltáró Data Analysis (EDA)
- Adatok megjelenítése a betekintéshez
- Leíró statisztikák és adatok összegzése
- Minták és kapcsolatok azonosítása az adatokban
Statisztikai modellezés
- A statisztikai következtetés alapjai
- Regresszió analízis
- Osztályozási modellek
Machine Learning Előrejelzési algoritmusok
- A felügyelt tanulási algoritmusok áttekintése
- Döntési fák és véletlenszerű erdők
- Neurális hálózatok és a mély tanulás alapjai
Modell értékelése és kiválasztása
- A modell pontosságának és teljesítménymutatóinak megértése
- Keresztellenőrzési technikák
- Túlillesztés és modelltuning
A prediktív AI gyakorlati alkalmazásai
- Esettanulmányok különböző iparágakban
- Etikai szempontok a prediktív modellezésben
- A prediktív AI korlátai és kihívásai
Hands-On Project
- Adatkészlettel végzett munka prediktív modell létrehozásához
- A modell alkalmazása előrejelzések készítéséhez
- Az eredmények értékelése, értelmezése
Összegzés és a következő lépések
Követelmények
- Az alapvető statisztikák megértése
- Bármilyen programozási nyelvben szerzett tapasztalat
- Az adatkezelés és a táblázatkezelés ismerete
- Nem szükséges előzetes AI vagy adattudományi tapasztalat
Közönség
- IT szakemberek
- Adatelemzők
- Technikai személyzet
21 Órák
