Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kursplan
Introduksjon
- Definere prediktiv AI
- Historisk kontekst og utvikling av prediktiv analyse
- Grunnleggende prinsipper for maskinlæring og datautvinning
Datainnsamling og forbehandling
- Innhenting av relevante data
- Rengjøring og klargjøring av data for analyse
- Forstå datatyper og kilder
Utforskende Data Analysis (EDA)
- Visualisere data for innsikt
- Beskrivende statistikk og dataoppsummering
- Identifisere mønstre og sammenhenger i data
Statistisk modellering
- Grunnleggende om statistisk slutning
- Regresjonsanalyse
- Klassifikasjonsmodeller
Machine Learning Algoritmer for prediksjon
- Oversikt over veiledede læringsalgoritmer
- Beslutningstrær og tilfeldige skoger
- Nevrale nettverk og dyp læring grunnleggende
Modellvurdering og valg
- Forstå modellnøyaktighet og ytelsesmålinger
- Kryssvalideringsteknikker
- Overfitting og modelltuning
Praktiske anvendelser av prediktiv AI
- Kasusstudier på tvers av ulike bransjer
- Etiske betraktninger i prediktiv modellering
- Begrensninger og utfordringer ved Predictive AI
Hands-on prosjekt
- Arbeide med et datasett for å lage en prediktiv modell
- Bruke modellen for å lage spådommer
- Evaluere og tolke resultatene
Sammendrag og neste trinn
Krav
- En forståelse av grunnleggende statistikk
- Erfaring med hvilket som helst programmeringsspråk
- Kjennskap til datahåndtering og regneark
- Ingen tidligere erfaring innen AI eller datavitenskap kreves
Publikum
- IT-fagfolk
- Dataanalytikere
- Teknisk personale
21 timer
