Über diesen Kurs

6,412 kürzliche Aufrufe
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Fortgeschritten“
Ca. 12 Stunden zum Abschließen
Englisch

Kompetenzen, die Sie erwerben

Data ScienceInformation EngineeringArtificial Intelligence (AI)Machine LearningPython Programming
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Fortgeschritten“
Ca. 12 Stunden zum Abschließen
Englisch

von

Placeholder

IBM

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1

Woche 1

6 Stunden zum Abschließen

Data transforms and feature engineering

6 Stunden zum Abschließen
6 Videos (Gesamt 31 min), 14 Lektüren, 5 Quiz
6 Videos
Introduction to Class Imbalance1m
Class Imbalance Deep Dive9m
Introduction to Dimensionality Reduction2m
Dimension Reduction13m
Case Study Intro / Feature Engineering1m
14 Lektüren
Data Transformation: Through the eyes of our Working Example3m
Transforms with scikit-learn3m
Pipelines3m
Class imbalance: Through the Eyes of our Working Example3m
Class Imbalance5m
Sampling Techniques2m
Models that Naturally Handle Imbalance2m
Data Bias2m
Dimensionality Reduction: Through the Eyes of Our Working Example3m
Why is Dimensionality Reduction Important?3m
Dimensionality Reduction and Topic models5m
Topic modeling: Through the Eyes of our Working Example3m
Getting Started with the Topic Modeling Case Study (hands-on)2h
Data Transforms and Feature Engineering: Summary/Review5m
5 praktische Übungen
Getting Started: Check for Understanding30m
Class Imbalance, Data Bias: Check for Understanding30m
Dimensionality Reduction: Check for Understanding3m
CASE STUDY - Topic Modeling: Check for Understanding30m
Data Transforms and Feature Engineering: End of Module Quiz10m
Woche
2

Woche 2

6 Stunden zum Abschließen

Pattern recognition and data mining best practices

6 Stunden zum Abschließen
5 Videos (Gesamt 16 min), 11 Lektüren, 5 Quiz
5 Videos
Introduction to Outliers2m
Outlier Detection3m
Introduction to Unsupervised learning2m
Unsupervised Learning5m
11 Lektüren
ai360: Through the Eyes of our Working Example3m
Introduction to ai360 (hands-on)15m
Outlier Detection: Through the Eyes of our Working Example3m
Outliers3m
Unsupervised learning: Through the Eyes of our Working Example3m
An Overview of Unsupervised Learning2m
Clustering3m
Clustering Evaluation3m
Clustering: Through the Eyes of our Working Example3m
Getting Started with the Clustering Case Study (hands-on)2h 10m
Pattern Recognition and Data Mining Best Practices: Summary/Review4m
5 praktische Übungen
ai360 Tutorial: Check for Understanding30m
Outlier Detection: Check for Understanding30m
Unsupervised Learning: Check for Understanding30m
CASE STUDY - Clustering: Check for Understanding30m
Pattern Recognition and Data Mining Best Practices: End of Module Quiz12m

Bewertungen

Top-Bewertungen von AI WORKFLOW: FEATURE ENGINEERING AND BIAS DETECTION

Alle Bewertungen anzeigen

Über den Spezialisierung IBM AI Enterprise Workflow

IBM AI Enterprise Workflow

Häufig gestellte Fragen

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..