给经理人的人工智能(AI)和机器学习课程

从策略的角度来看待人工智能(AI)是如何运作的,并帮助你在工作中脱颖而出!

繁體中文課程介紹

课程概览

这个”给经理人的人工智能”课程是专门为经理(项目经理,CXO,总监,副总裁,产品经理,高端经理,团队领导等)设计的,有我们独特的云端实验室访问权限。 自定进度的课程为管理人员配备了管理任何人工智能(AI)和机器学习(ML)项目 / 创新所需的工具。

一般的看法是,我们应该知道很多数学学习人工智能。 但是经过1000多个小时的训练和使用人工智能解决许多商业问题之后,我们相信任何人都可以学习人工智能并在工作中应用这些知识,甚至在我们的日常生活中。

此外,本课程不需要任何编程知识。 它将教你使用真实世界的实际范例和案例研究的人工智能创建模块。

此外,人工智能项目是复杂的,作为一位管理者,你必须知道如何为整个团队和组织设置技术方向策略。

只要带上你的商业和管理经验,剩下的就交给课程了。

当你完成课程的时候,你已经准备好应用新学到的技能,使用人工智能为你的企业做出更好的商业和策略决策。

课程特色

依自己的节奏学习

以你自己的速度向业界专家学习。 课程长度有 12 个多小时

案例研究

分析各种数据集来训练演算法并预测输出结果

实验室和 BootML

透过在 BootML 上实际操作进行学习

1对1辅导 ( 另外课程方案 )

订阅1:1的辅导课程,并从业界领袖和专业人士那里获得指导

最佳等级的支持

24/7支持和论坛访问,解答您在整个学习过程中的所有疑问

证明书

在履历或 LinkedIn 上突出你的新技能

现在就登记

(70% OFF-有效期至2月28日)

依自己的节奏学习 ( 含 180 天的免费实验室 )


原价 US 900 目前特价 US 359

课程大纲

这是第一个也是唯一的一个专业化课程。 我们从建构人工智能、机器学习和深度学习开始。 然后,我们开始了解人工智能在各种商业中的影响,并学习如何在当前的角色中利用人工智能。

每个主题的每个课程材料包括高品质的视频、幻灯片、实践评估、测验和案例研究,以确保它是有效的、令人兴奋的,并具有较长的上架期。 透过本课程,您还可以进入真实世界的在线实验室,以便在实践中学习。

本课程不需要任何人工智能、机器学习、编程和数学方面的专业知识。 带上你的商业和管理经验,剩下的就交给你了。

1 介绍

作为介绍的一部分,我们将学习什么是人工智能以及人工智能、机器学习和大数据的各种组成组件。 我们还将用非常人性的范例讨论各种各样的案例。 您还将熟悉人工智能、机器学习和电脑领域的常用术语。

2. 机器学习流程

在这一章中,我们将学习机器学习的流程和使用在真实生活中应用的各种重要概念。 我们将从机器学习的基础开始,到最后,我们将准备好创建机器学习项目。

3. 分析和数据科学

我们将学习如何清理、可视化数据。 本章将围绕理解分析,统计和机率。 我们也会谈到推论统计学的重要问题。

4. 端到端项目

我们将创建一个端到端的机器学习项目。 例如,预测加州的房价。 我们将经历各种步骤,例如: 设计问题,识别问题的类型,分割数据,选择性能标准等。 我们已经构建了一个非常简单的工具,名为 BootML,它使得无需任何编程语言或框架知识就可以运行端到端项目成为可能。 BootML 在一个非常用户友好的接口中接受您的输入,然后生成整个项目。 接下来将进行七个案例研究,您可以使用 BootML 构建这些案例。

5. 机器学习的基础

本章将通过关注算法是如何运作的,更深入地探讨机器学习。 我们将探索重要的算法和他们的内部工作以在简单的描述和使用真实生活中的范例,无需任何数学或编码。 我们将学习线性回归,决策树,神经网络,不同类型的神经网络,如 CNN 和 RNN。 我们还将学习一项伟大的技术,叫做集成学习( ensemble learning )。

6. 机器学习项目的挑战

在一个典型的机器学习项目中,有各种各样的挑战。 这一章涵盖了这些困难并讨论了如何克服它们。

7. 非监督式学习

在许多机器学习的案例中,我们没有标记的数据。 相反,我们试图找出给定数据中的模式。 典型的机器学习项目包括有监督和无监督的方法。 作为本章的一部分,我们将学习以下主题。 我们将学习各种各样的非监督式学习问题,以及针对每种问题类型使用的适当算法。 随后将进行各种案例研究和举例。

8. 广义人工智能与真实生活中的大型项目

作为本章的一部分,我们将学习如何使用前面章节中的区块开发更大的应用程序。 我们将学习大型系统,如 Alexa,自动驾驶汽车,电子商务推荐(亚马逊) ,数据中心电源消耗优化,AutoDraw,Google Docs-Insert Symbol features 和 Google Translate。

9. 框架和程序库

我们将学习框架、程序库和编程语言及其差异。 本章将向我们介绍各种程序库的名称及其功能。 在编程语言中,我们将获得 Python,C,C++ 和 Java 的概述。 然后我们将学习诸如 Keras、 Tensorflow、 Spark MLLIB、 Scikit Learn 等框架。 我们还将学习各种开源框架、预先训练的模型和数据集。 此外,我们亦会提供详尽的数据。

10. 如何创建数据科学团队

我们将学习如何创建和维护一个数据科学团队,以及如何管理更大的项目。

证明书

获得你的证书

我们的专业化是详尽的,证书奖励由我们证明您已经采取了大数据领域的大飞跃。

让自己与众不同

你从项目、视频、测验、实践评估和案例研究中获得的知识会给你带来竞争优势。

分享你的成就

在你的履历、 LinkedIn、 Facebook 和 Twitter 上突出你的新技能。 告诉你的朋友和同事。


课程英文介绍

也许您会有兴趣

 欢迎使用e-mail订阅 Soft & Share 

发表评论

Powered by WordPress.com.

Up ↑

%d 博主赞过: