Über diesen Kurs

9,173 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. 9 Stunden zum Abschließen
Englisch
Untertitel: 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. 9 Stunden zum Abschließen
Englisch
Untertitel: Englisch

von

IBM-Logo

IBM

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1

Woche 1

5 Stunden zum Abschließen

Data transforms and feature engineering

5 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 Understanding2m
Class Imbalance, Data Bias: Check for Understanding2m
Dimensionality Reduction: Check for Understanding3m
CASE STUDY - Topic Modeling: Check for Understanding2m
Data Transforms and Feature Engineering: End of Module Quiz10m
Woche
2

Woche 2

4 Stunden zum Abschließen

Pattern recognition and data mining best practices

4 Stunden zum Abschließen
4 Videos (Gesamt 10 min), 11 Lektüren, 5 Quiz
4 Videos
Introduction to Outliers2m
Outlier Detection3m
Introduction to Unsupervised learning2m
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 Understanding2m
Outlier Detection: Check for Understanding2m
Unsupervised Learning: Check for Understanding2m
CASE STUDY - Clustering: Check for Understanding2m
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

This six course specialization is designed to prepare you to take the certification examination for IBM AI Enterprise Workflow V1 Data Science Specialist. IBM AI Enterprise Workflow is a comprehensive, end-to-end process that enables data scientists to build AI solutions, starting with business priorities and working through to taking AI into production. The learning aims to elevate the skills of practicing data scientists by explicitly connecting business priorities to technical implementations, connecting machine learning to specialized AI use cases such as visual recognition and NLP, and connecting Python to IBM Cloud technologies. The videos, readings, and case studies in these courses are designed to guide you through your work as a data scientist at a hypothetical streaming media company. Throughout this specialization, the focus will be on the practice of data science in large, modern enterprises. You will be guided through the use of enterprise-class tools on the IBM Cloud, tools that you will use to create, deploy and test machine learning models. Your favorite open source tools, such a Jupyter notebooks and Python libraries will be used extensively for data preparation and building models. Models will be deployed on the IBM Cloud using IBM Watson tooling that works seamlessly with open source tools. After successfully completing this specialization, you will be ready to take the official IBM certification examination for the IBM AI Enterprise Workflow....
IBM AI Enterprise Workflow

Häufig gestellte Fragen

  • Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:

    • Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
    • Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
  • Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.

  • Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine 7-tägige, kostenlose Testversion, die Sie gebührenfrei wieder kündigen können. Danach gewähren wir keine Rückerstattungen mehr, aber Sie können Ihr Abonnement jederzeit kündigen. Lesen Sie unsere vollständige Rückerstattungsrichtlinie.

  • Ja, Coursera bietet für Kursteilnehmer, die sich die Kursgebühr nicht leisten können, finanzielle Unterstützung an. Bewerben Sie sich dafür, indem Sie auf den Link für finanzielle Unterstützung links unter der Schaltfläche „Anmelden“ klicken. Sie werden zum Ausfüllen eines Antrags aufgefordert und werden bei Genehmigung benachrichtigt. Diesen Schritt müssen Sie für jeden Kurs der Spezialisierung ausführen, auch für das Abschlussprojekt. Mehr erfahren

  • This course assumes that you are already familiar with basic data science concepts including probability and statistics, linear algebra, machine learning, and the use of Python and Jupyter. It is assumed you have completed the first two courses of the specialization: AI Workflow: Business Priorities and Data Ingestion, AI Workflow: Data Analysis and Hypothesis Testing.

  • No. The certification exam is administered by Pearson VUE and must be taken at one of their testing facilities. You may visit their site at https://home.pearsonvue.com/ for more information.

  • Please visit the Pearson VUE web site at https://home.pearsonvue.com/ for the latest information on taking the AI Enterprise Workflow certification test.

  • It is highly recommended that you have at least a basic working knowledge of design thinking and Watson Studio prior to taking this course. Please visit the IBM Skills Gateway at http://ibm.com/training/badges and "Find a Badge" related to "design thinking" or "Watson Studio". From there you will be directed to courses covering these topics.

  • No. Most of the exercises may be completed with open source tools running on your personal computer. However, the exercises are designed with an enterprise focus and are intended to be run in an enterprise environment that allows for easier sharing and collaboration. The exercises in the last two modules of the course are heavily focused on deployment and testing of machine learning models and use the IBM Watson tooling found on the IBM Cloud.

  • Yes. All IBM Cloud Data and AI services are based upon open source technologies.

  • The exercises in the course may be completed by anyone using the IBM Cloud "Lite" plan, which is free for use.

  • Für diesen Kurs gibt es keine akademischen Leistungspunkte, doch Hochschulen können nach eigenem Ermessen Leistungspunkte für Kurszertifikate vergeben. Wenden Sie sich an Ihre Einrichtung, um mehr zu erfahren. Online-Abschlüsse und Mastertrack™-Zertifikate auf Coursera bieten die Möglichkeit, akademische Leistungspunkte zu erwerben.

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