IBM無料オンライン教育

AI ワークフロー: エンタープライズ モデルの導入

説明

これは、IBM AI Enterprise Workflow 認定スペシャライゼーションの XNUMX 番目のコースです。 これらのコースは個別の独立したコースではなく、各コースが前のコースに基づいて構築されるワークフローの一部であるため、順番に完了することを強くお勧めします。

このコースでは、ほとんどのデータ サイエンティストが体験できない領域、つまり大企業で使用するモデルの導入について紹介します。 Apache Spark は、機械学習モデルを実行するために非常に一般的に使用されるフレームワークです。 このコースでは、Spark を使用するためのベスト プラクティスについて説明します。 データ操作、モデルのトレーニング、モデルのチューニングのベスト プラクティスについても説明します。 このユースケースでは、レコメンダー システムの作成と展開が必要になります。 このコースは、モデル展開テクノロジーの紹介で終わります。
 
このコースを修了すると、次のことができるようになります。
1. Apache Spark の RDD、データフレーム、パイプラインを使用する
2. Spark環境とのインターフェースにspark-submitスクリプトを採用する
3. 協調フィルタリングとコンテンツベースのフィルタリングがどのように機能するかを説明する
4. Apache Spark と Apache Spark ストリーミングを使用してデータ インジェスト パイプラインを構築する
5. Apache Spark 上の機械学習モデルのハイパーパラメータを分析する
6. Apache Spark 機械学習インターフェイスを使用して機械学習アルゴリズムをデプロイする
7. Watson Studio から Watson Machine Learning に機械学習モデルをデプロイします。

誰がこのコースを受講すべきですか?
このコースは、大企業でのAIの構築とデプロイに関するスキルを深めたい、機械学習モデルの構築に関する専門知識を持っている既存のデータサイエンス実践者を対象としています。 あなたが意欲的なデータサイエンティストである場合、これらのコースのコンテンツを活用するには実際の専門知識が必要なので、このコースはあなたには適していません。

どのようなスキルが必要ですか?
このコースを開始する前に、IBM AI エンタープライズ ワークフロー スペシャライゼーションのコース 1 から 4 を完了し、次のトピックをしっかりと理解していることを前提としています。 線形代数の基礎的な理解。 サンプリング、確率理論、確率分布を理解する。 記述的および推論的な統計概念に関する知識。 機械学習技術とベストプラクティスに関する一般的な理解。 Python と、データ サイエンスで一般的に使用されるパッケージ (NumPy、Pandas、matplotlib、scikit-learn) についての実践的な理解。 IBM Watson Studio に精通していること。 デザイン思考のプロセスに精通していること。

価格:無料で登録!

言語: 英語

字幕: 英語

AI ワークフロー: エンタープライズ モデルの導入 - IBM