Flujo de trabajo de IA: aprendizaje automático, reconocimiento visual y PNL

Descripción

Este es el cuarto curso de la especialización IBM AI Enterprise Workflow Certification. Le recomendamos ENCARECIDAMENTE que complete estos cursos en orden, ya que no son cursos individuales independientes, sino parte de un flujo de trabajo en el que cada curso se basa en los anteriores.

El curso 4 cubre la siguiente etapa del flujo de trabajo, la configuración de modelos y sus canales de datos asociados para una hipotética empresa de medios de transmisión. El primer tema cubre el complejo tema de las métricas de evaluación, donde aprenderá las mejores prácticas para una serie de métricas diferentes, incluidas métricas de regresión, métricas de clasificación y métricas de clases múltiples, que utilizará para seleccionar el mejor modelo para su desafío empresarial. Los siguientes temas cubren las mejores prácticas para diferentes tipos de modelos, incluidos modelos lineales, modelos basados en árboles y redes neuronales. Se utilizarán modelos de Watson listos para usar para la comprensión del lenguaje natural y el reconocimiento visual. Habrá estudios de casos que se centren en el procesamiento del lenguaje natural y en el análisis de imágenes para proporcionar un contexto realista para las líneas de producción del modelo.

Al final de este curso podrás:
Discutir regresión común, clasificación y métricas de clasificación de múltiples etiquetas.
Explicar el uso de la regresión lineal y logística en aplicaciones de aprendizaje supervisado.
Describir estrategias comunes para la búsqueda en cuadrícula y la validación cruzada.
Emplear métricas de evaluación para seleccionar modelos para uso en producción.
Explicar el uso de algoritmos basados en árboles en aplicaciones de aprendizaje supervisado.
Explicar el uso de redes neuronales en aplicaciones de aprendizaje supervisado.
Discutir las principales variantes de las redes neuronales y los avances recientes.
Crear un modelo de red neuronal en Tensorflow
Crear y probar una instancia de Watson Visual Recognition
Crear y probar una instancia de Watson NLU

¿Quién debería tomar este curso?
Este curso está dirigido a profesionales de ciencia de datos existentes que tienen experiencia en la construcción de modelos de aprendizaje automático, que desean profundizar sus habilidades en la construcción y despliegue de IA en grandes empresas. Si es un aspirante a científico de datos, este curso NO es para usted, ya que necesita experiencia en el mundo real para beneficiarse del contenido de estos cursos.

¿Qué habilidades debes tener?
Se supone que ha completado los cursos 1 a 3 de la especialización de IBM AI Enterprise Workflow y que tiene una sólida comprensión de los siguientes temas antes de comenzar este curso: comprensión fundamental de álgebra lineal; Comprender el muestreo, la teoría de la probabilidad y las distribuciones de probabilidad; Conocimiento de conceptos estadísticos descriptivos e inferenciales; Comprensión general de las técnicas de aprendizaje automático y las mejores prácticas; Comprensión práctica de Python y los paquetes comúnmente utilizados en ciencia de datos: NumPy, Pandas, matplotlib, scikit-learn; Familiaridad con IBM Watson Studio; Familiaridad con el proceso de pensamiento de diseño.