Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Návrh Školení
Úvod
- Definice prediktivního umělého rozumu (AI)
- Historický kontext a evoluce prediktivní analýzy
- Základní principy strojového učení a datové výpěvky
Shromažďování a předzpracování dat
- Sbírání relevantních dat
- Očištění a předzpracování dat pro analýzu
- Požitření typů a zdrojů dat
Průzkum dat (EDA)
- Vizuální prezentace dat pro významné poznatky
- Popisná statistika a zhrnutí dat
- Identifikace vzorů a vztahů ve datech
Statistické modelování
- Základy statistického odvozování
- Regresní analýza
- Klasifikační modely
Algoritmy strojového učení pro predikci
- Přehled algoritmů řízeného učení
- Rozhodovací stromy a náhodné lesy
- Základy neuronových sítí a hlubokého učení
Evaluační kritéria a výběr modelů
- Požitření přesnosti a výkonnostních metrik modelu
- Techniky křížové validace
- Nadměrné učení a nastrojování modelů
Praktická uplatnění prediktivní AI
- Případové studie z různých odvětví
- Etnické důsledky v prediktivním modelování
- Omezenosti a výzvy prediktivní AI
Praktický projekt
- Práce s datovou sadou pro vytvoření predikčního modelu
- Aplikace modelu k předvídání
- Evaluační a interpretace výsledků
Přehled a další kroky
Požadavky
- Přehled základů statistiky
- Zkušenosti s jakýmkoli programovacím jazykem
- Orientace ve zpracování dat a tabulkových procesorech
- Předchozí zkušenosti s umělou inteligencí nebo data science nejsou vyžadovány
Cílová skupina
- IT odborníci
- Analýtičtí specialisté na data
- Technický personál
21 hodiny
