AI ワークフロー: ビジネスの優先順位とデータの取り込み

説明

これは、XNUMX 部構成の専門分野の最初のコースです。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。

IBM AI Enterprise Workflow 認定スペシャライゼーションの最初のコースでは、スペシャライゼーションの範囲と前提条件について説明します。具体的には、この専門分野のコースは、確率、統計、線形代数、データサイエンスと機械学習のための Python ツールに精通した実践的なデータサイエンティストを対象としています。仮想のストリーミングメディア会社が新しいクライアントとして紹介されます。大規模なエンタープライズ AI プロジェクトを組織するための IBM のフレームワークであるデザイン思考の概念を紹介します。また、科学的思考の基本についても紹介します。経験豊富なデータサイエンティストと初心者を区別する特質は創造的で科学的思考であるためです。最後に、仮想のメディア会社が保有するデータを理解し、Python および Jupyter ノートブックを使用してデータ取り込みパイプラインを構築することで、そのメディア会社での作業を開始します。

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. 構造化されたプロセスを使用してデータサイエンスを実行する利点を知る
2. デザイン思考の段階が AI エンタープライズワークフローにどのように対応するかを説明する
3. ビジネスチャンスに優先順位を付けるために使用されるいくつかの戦略について話し合う
4. AI ワークフローの中でデータサイエンスとデータエンジニアリングが最も重複している部分を説明する
5. データ取り込みにおけるテストの目的を説明する
6. データ取り込みのターゲット宛先としてのスパース行列の使用例を説明する
7. データ取り込みパイプラインの自動化に向けて実行できる最初の手順を理解する

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、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。線形代数の基本的な理解。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。