AI ワークフロー: 機械学習、視覚認識、NLP

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。

コース 4 では、ワークフローの次の段階、つまり仮想のストリーミングメディア会社向けのモデルとそれに関連するデータパイプラインのセットアップについて説明します。最初のトピックでは、評価メトリクスの複雑なトピックについて説明します。ここでは、回帰メトリクス、分類メトリクス、マルチクラスメトリクスなどのさまざまなメトリクスのベストプラクティスを学び、ビジネスの課題に最適なモデルを選択するために使用します。次のトピックでは、線形モデル、ツリーベースのモデル、ニューラルネットワークなど、さまざまなタイプのモデルのベストプラクティスについて説明します。自然言語理解と視覚認識のためのすぐに使用できる Watson モデルが使用されます。モデルパイプラインに現実的なコンテキストを提供するために、自然言語処理と画像分析に焦点を当てたケーススタディが行われます。

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。
一般的な回帰、分類、およびマルチラベル分類メトリクスについて説明します
教師あり学習アプリケーションにおける線形回帰およびロジスティック回帰の使用について説明する
グリッド検索と相互検証の一般的な戦略について説明する
評価指標を使用して実稼働用のモデルを選択する
教師あり学習アプリケーションにおけるツリーベースのアルゴリズムの使用について説明する
教師あり学習アプリケーションにおけるニューラルネットワークの使用について説明する
ニューラルネットワークの主な亜種と最近の進歩について話し合う
Tensorflow でニューラルネットモデルを作成する
Watson Visual Recognition のインスタンスを作成してテストする
Watson NLU のインスタンスを作成してテストする

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 3 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。