Launch your career as an AI engineer. Lernen Sie, wie Sie mit Hilfe von maschinellem Lernen und Deep-Learning-Techniken aus großen Datenmengen Geschäftseinblicke gewinnen können.

4.4

Sterne

3,613 Bewertungen

SAEED AGHABOZORGI +6 weitere Dozenten

1.508 bereits angemeldet

von

IBM AI Engineering Zertifikat über berufliche QualifikationIBM

Was Sie lernen werden

Describe machine learning, deep learning, neural networks, and ML algorithms like classification, regression, clustering, and dimensional reduction

Implement supervised and unsupervised machine learning models using SciPy and ScikitLearn

Deploy machine learning algorithms and pipelines on Apache Spark

Build deep learning models and neural networks using Keras, PyTorch, and TensorFlow

Kompetenzen, die Sie erwerben

Deep LearningArtificial Neural NetworkArtificial Intelligence (AI)Machine LearningkerasOpencvImage ProcessingComputer Vision

Über dieses Zertifikat über berufliche Qualifikation

51.798 kürzliche Aufrufe

Artificial intelligence (AI) is revolutionizing entire industries, changing the way companies across sectors leverage data to make decisions. To stay competitive, organizations need qualified AI engineers who use cutting-edge methods like machine learning algorithms and deep learning neural networks to provide data driven actionable intelligence for their businesses. This 6-course Professional Certificate is designed to equip you with the tools you need to succeed in your career as an AI or ML engineer. You’ll master fundamental concepts of machine learning and deep learning, including supervised and unsupervised learning, using programming languages like Python. You’ll apply popular machine learning and deep learning libraries such as SciPy, ScikitLearn, Keras, PyTorch, and Tensorflow to industry problems involving object recognition, computer vision, image and video processing, text analytics, natural language processing (NLP), recommender systems, and other types of classifiers. Through hands-on projects, you’ll gain essential data science skills scaling machine learning algorithms on big data using Apache Spark. You’ll build, train, and deploy different types of deep architectures, including convolutional neural networks, recurrent networks, and autoencoders. In addition to earning a Professional Certificate from Coursera, you will also receive a digital badge from IBM recognizing your proficiency in AI engineering.

Praktisches Lernprojekt

Throughout the program, you will build a portfolio of projects demonstrating your mastery of course topics. The hands-on projects will give you a practical working knowledge of Machine Learning libraries and Deep Learning frameworks such as SciPy, ScikitLearn, Keras, PyTorch, and Tensorflow. You will also complete an in-depth Capstone Project, where you’ll apply your AI and Neural Network skills to a real-world challenge and demonstrate your ability to communicate project outcomes.

Karriereergebnisse der Lernenden

12%

Ich nahm nach Abschluss dieses Spezialisierung einen neuen Beruf auf.

17%

Ich erhielt eine Gehaltserhöhung oder Beförderung.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

Kurse, die komplett online stattfinden

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexibler Zeitplan

Festlegen und Einhalten flexibler Termine.

Stufe „Mittel“

Einige einschlägige Kenntnisse erforderlich.

Etwa 9 Monate bis zum Abschluss

Empfohlenes Lerntempo: 3 Stunden/Woche

Englisch

Untertitel: Englisch, Arabischer Raum, Französisch, Portugiesisch (europäisch), Italienisch, Vietnamesisch, Deutsch, Russisch, Spanisch

Karriereergebnisse der Lernenden

12%

Ich nahm nach Abschluss dieses Spezialisierung einen neuen Beruf auf.

17%

Ich erhielt eine Gehaltserhöhung oder Beförderung.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

Kurse, die komplett online stattfinden

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexibler Zeitplan

Festlegen und Einhalten flexibler Termine.

Stufe „Mittel“

Einige einschlägige Kenntnisse erforderlich.

Etwa 9 Monate bis zum Abschluss

Empfohlenes Lerntempo: 3 Stunden/Woche

Englisch

Untertitel: Englisch, Arabischer Raum, Französisch, Portugiesisch (europäisch), Italienisch, Vietnamesisch, Deutsch, Russisch, Spanisch

Was ist ein Zertifikat über eine berufliche Qualifikation

Erwerben Sie die Fähigkeiten, um für den Job bereit zu sein

Ob Sie eine neue Karriere einschlagen oder den Verlauf Ihrer aktuellen Karriere ändern möchten, Zertifikate über berufliche Qualifikationen von Coursera bereiten Sie auf Ihre jeweiligen Aufgaben vor. Lernen Sie in Ihrem eigenen Tempo, wann und wo immer es für Sie am bequemsten ist. Melden Sie sich noch heute an und entdecken Sie im Rahmen einer 7-tägigen kostenlosen Testversion einen neuen Karriereweg. Sie können Ihr Lernen jederzeit unterbrechen oder Ihr Abonnement beenden.

Praxisprojekte

Bringen Sie Ihre Fähigkeiten in praktischen Projekten zum Einsatz und erstellen Sie ein Portfolio, das potenziellen Arbeitgebern zeigt, dass Sie für den Job bereit sind. Sie müssen die Projekte bzw. das Projekt erfolgreich abschließen, um Ihr Zertifikat zu erhalten.

Erwerben Sie berufliche Qualifikationen

Wenn Sie alle Kurse des Programms abgeschlossen haben, erhalten Sie ein Zertifikat, das Sie mit Ihrem beruflichen Netzwerk teilen können. Außerdem erhalten Sie Zugriff auf Ressourcen die Ihre Karriere unterstützen und Ihnen den Start in Ihre neue Karriere erleichtern. Für viele Zertifikate über eine berufliche Qualifikation gibt es Partner, die den Berechtigungsnachweis der Zertifikate über eine berufliche Qualifikation anerkennen, und andere können wiederum dabei helfen, Sie auf eine Zertifizierungsprüfung vorzubereiten. Weitere Informationen finden Sie auf der jeweiligen Seite zu dem entsprechenden Zertifikat über eine berufliche Qualifikation.

Es gibt 6 Kurse in dieser Zertifikat über berufliche Qualifikation

Kurs1

Kurs 1

Maschinelles Lernen mit Python

4.7

Sterne

11,176 Bewertungen

•

1,900 Bewertungen

This course dives into the basics of machine learning using an approachable, and well-known programming language, Python.

In this course, we will be reviewing two main components: First, you will be learning about the purpose of Machine Learning and where it applies to the real world. Second, you will get a general overview of Machine Learning topics such as supervised vs unsupervised learning, model evaluation, and Machine Learning algorithms. In this course, you practice with real-life examples of Machine learning and see how it affects society in ways you may not have guessed! By just putting in a few hours a week for the next few weeks, this is what you’ll get. 1) New skills to add to your resume, such as regression, classification, clustering, sci-kit learn and SciPy 2) New projects that you can add to your portfolio, including cancer detection, predicting economic trends, predicting customer churn, recommendation engines, and many more. 3) And a certificate in machine learning to prove your competency, and share it anywhere you like online or offline, such as LinkedIn profiles and social media. If you choose to take this course and earn the Coursera course certificate, you will also earn an IBM digital badge upon successful completion of the course.

Kurs2

Kurs 2

Introduction to Deep Learning & Neural Networks with Keras

4.7

Sterne

880 Bewertungen

•

177 Bewertungen

Looking to start a career in Deep Learning? Look no further. This course will introduce you to the field of deep learning and help you answer many questions that people are asking nowadays, like what is deep learning, and how do deep learning models compare to artificial neural networks? You will learn about the different deep learning models and build your first deep learning model using the Keras library.

After completing this course, learners will be able to: • describe what a neural network is, what a deep learning model is, and the difference between them. • demonstrate an understanding of unsupervised deep learning models such as autoencoders and restricted Boltzmann machines. • demonstrate an understanding of supervised deep learning models such as convolutional neural networks and recurrent networks. • build deep learning models and networks using the Keras library.

Kurs3

Kurs 3

Introduction to Computer Vision and Image Processing

4.5

Sterne

625 Bewertungen

•

121 Bewertungen

Computer Vision is one of the most exciting fields in Machine Learning and AI. It has applications in many industries, such as self-driving cars, robotics, augmented reality, and much more. In this beginner-friendly course, you will understand computer vision and learn about its various applications across many industries.

As part of this course, you will utilize Python, Pillow, and OpenCV for basic image processing and perform image classification and object detection. This is a hands-on course and involves several labs and exercises. Labs will combine Jupyter Labs and Computer Vision Learning Studio (CV Studio), a free learning tool for computer vision. CV Studio allows you to upload, train, and test your own custom image classifier and detection models. At the end of the course, you will create your own computer vision web app and deploy it to the Cloud. This course does not require any prior Machine Learning or Computer Vision experience. However, some knowledge of the Python programming language and high school math is necessary.

Kurs4

Kurs 4

Deep Neural Networks with PyTorch

4.4

Sterne

914 Bewertungen

•

213 Bewertungen

The course will teach you how to develop deep learning models using Pytorch. The course will start with Pytorch's tensors and Automatic differentiation package. Then each section will cover different models starting off with fundamentals such as Linear Regression, and logistic/softmax regression. Followed by Feedforward deep neural networks, the role of different activation functions, normalization and dropout layers. Then Convolutional Neural Networks and Transfer learning will be covered. Finally, several other Deep learning methods will be covered.

Dozenten

von

IBM

IBM is the global leader in business transformation through an open hybrid cloud platform and AI, serving clients in more than 170 countries around the world. Today 47 of the Fortune 50 Companies rely on the IBM Cloud to run their business, and IBM Watson enterprise AI is hard at work in more than 30,000 engagements. IBM is also one of the world’s most vital corporate research organizations, with 28 consecutive years of patent leadership. Above all, guided by principles for trust and transparency and support for a more inclusive society, IBM is committed to being a responsible technology innovator and a force for good in the world.

Häufig gestellte Fragen

Erhalte ich akademische Leistungspunkte für den Abschluss der Spezialisierung?
Für diese Spezialisierung gibt es keine akademischen Leistungspunkte, doch Hochschulen können nach eigenem Ermessen Leistungspunkte für Spezialisierungszertifikate 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.
Can I just enroll in a single course?
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.
Kann ich mich auch nur für einen Kurs anmelden?
Ja! Um loszulegen, klicken Sie auf die Kurskarte, die Sie interessiert, und melden Sie sich an. Sie können sich anmelden und den Kurs absolvieren, um ein teilbares Zertifikat zu erwerben, oder Sie können als Gast teilnehmen, um die Kursmaterialien gratis einzusehen. Wenn Sie einen Kurs abonnieren, der Teil eines Zertifikats ist, abonnieren Sie automatisch das gesamte Zertifikat. Auf Ihrem Kursteilnehmer-Dashboard können Sie Ihren Fortschritt verfolgen.
Findet dieser Kurs wirklich ausschließlich online statt? Muss ich zu irgendwelchen Sitzungen persönlich erscheinen?
Dieser Kurs findet ausschließlich online statt, Sie müssen also zu keiner Sitzung persönlich erscheinen. Sie können jederzeit und überall über das Netz oder Ihr Mobilgerät auf Ihre Vorträge, Lektüren und Aufgaben zugreifen.
What are some examples of careers in artificial intelligence?
An understanding of artificial intelligence can be used to support many careers, but some careers specifically require a background in AI. Some examples of careers in AI include:
- AI Developer
- Data Analyst
- Data Engineer
- Data Scientist
- Machine Learning Engineer
- Marketing Analyst
- Operations Analyst
- Quantitative Analyst
- Software Analyst
- Software Developer
- Software Engineer
- User Experience Engineer
How long does it take to complete the Professional Certificate?
This Professional Certificate consists of 6 self-paced courses. Each course takes 4-5 weeks to complete if you spend 2-4 hours working through the course per week. At this rate, the entire Professional Certificate can be completed in 3-6 months. However, you are welcome to complete the program more quickly or more slowly, depending on your preference.
What background knowledge is necessary?
This Professional Certificate's pre-requisites includes the following skills:
Working knowledge of Python and Jupyter Notebooks (Don't have these skills? Try taking the Python for Data Science and course)
High school mathematics or math for machine learning
It is highly recommended that you complete either or both of the following Professional Certificates before starting this one:
IBM Data Science Professional Certificate
IBM Applied AI Professional Certificate
Do I need to take the courses in a specific order?
It is highly recommended to complete the courses in the suggested order.
Will I earn university credit for completing the Professional Certificate?
At this time there is no university credit for completing courses in this program.
What will I be able to do upon completing the Professional Certificate?
Upon completing this Professional Certificate you will be able to:
Describe what machine learning (ML), deep learning (DL), and neural networks are
Explain ML algorithms including classification, regression, clustering, and dimensional reduction
Implement supervised and unsupervised ML models using Scipy and Scikitlearn
Express how Apache Spark works and how to perform machine learning on big data
Deploy ML algorithms and pipelines on Apache Spark
Demonstrate an understanding of deep learning models such as autoencoders, restricted Boltzmann machines, convolutional networks, recursive neural networks, and recurrent networks
Build deep learning models and neural networks using the Keras library
Utilize the PyTorch library for deep learning applications and build deep neural networks
Explain foundational TensorFlow concepts like main functions, operations & execution pipelines
Apply deep learning using TensorFlow and perform back propagation to tune the weights and biases
Determine what kind of deep learning method to use in which situation and build a deep learning model to solve a real problem
Demonstrate ability to present and communicate outcomes of deep learning projects

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