Návrh Školení

Vstup do Machine Learning v Business

  • Studium strojového učení jako základního složky umělé inteligence
  • Druhy strojového učení: nadzorované, nenadzorované, reforční a půlnadzorované
  • Běžné algoritmy ML používané v obchodních aplikacích
  • Výzvy, rizika a potenciální uplatnění ML v AI
  • Přetrenování a kompromis mezi biasem a variací

Techniky a Pracovní Postup Machine Learning

  • Kyklus Machine Learning: od problému k nasazení
  • Klasifikace, regrese, shlukování, detekce anomálií
  • Čas použití nadzorovaného vs. nenadzorovaného učení
  • Pochopení reforčního učení v automatizaci podniku
  • Zvážení při rozhodování založeném na ML

Preprocessing Dat a Inženýrství Vlastností

  • Příprava dat: nahrávání, čištění, transformace
  • Inženýrství vlastností: kódování, transformace, tvorba
  • Škálování vlastností: normalizace, standardizace
  • Změna dimenzionality: PCA, výběr proměnných
  • Explorační analýza dat a vizualizace obchodních dat

Případové Studie v Aplikacích Business

  • Pokročilé inženýrství vlastností pro zlepšení predikce pomocí lineární regrese
  • Analýza časových řad a prognózy měsíčního objemu prodeje: sezónní úpravy, regrese, exponenciální vyrovnávání, ARIMA, neuronové sítě
  • Analýza segmentace pomocí shlukování a samoorganizujících se map
  • Analýza košíků nákupů a vytváření pravidel asociací pro zisky ve obchodě
  • Klasifikace zákaznického defaktu pomocí logistické regrese, rozhodovacích stromů, XGBoost, SVM

Souhrn a Další Kroky

Požadavky

  • Základní pochopení konceptů a terminologie strojového učení
  • Znalost analýzy dat nebo práce s datovými soubory
  • Nějaké zkušenosti s programovacím jazykem (např. Python) jsou prospěšné, ale nejsou povinné

Cílová skupina

  • Business analytici a odborníci na data
  • Rozhodovatelé zainteresovaní v přijetí umělé inteligence
  • Odborníci v IT, kteří zkoumají aplikace strojového učení ve firmách
 14 hodiny

Počet účastníků


Price per participant

Reference (2)

Upcoming Courses

Související kategorie