課程簡介

Data Science/AI 簡介

  • 通過數據獲取知識
  • 知識表示
  • 價值創造
  • Data Science 概述
  • 人工智慧生態系統和新的分析方法
  • 關鍵技術

Data Science 工作流程

  • 脆-dm
  • 數據準備
  • 模型規劃
  • 模型構建
  • Communication
  • 部署

Data Science 技術

  • 用於原型設計的語言
  • 大數據技術
  • 常見問題的端到端解決方案
  • Python 語言簡介
  • 將 Python 與 Spark 集成

人工智慧 Business

  • 人工智慧生態系統
  • 人工智慧倫理
  • 如何在業務中推動 AI 的發展

數據源

  • 數據類型
  • SQL 與否SQL
  • 數據存儲
  • 數據準備

Data Analysis – 統計方法

  • 概率
  • Statistics
  • 統計建模
  • 使用 Python 的業務應用程式

機器學習在商業中的應用

  • 受監督與無監督
  • 預測問題
  • 分類問題
  • 聚類問題
  • 異常檢測
  • 推薦引擎
  • 關聯模式挖掘
  • 使用 Python 語言解決ML問題

深度學習

  • 傳統 ML 演算法失敗的問題
  • 用 Deep Learning 解決複雜問題
  • Tensorflow 簡介

自然語言處理

數據可視化

  • 建模的可視化報告結果
  • 可視化中的常見陷阱
  • 使用 Python 進行數據可視化

從數據到決策 – 溝通

  • 產生影響:數據驅動的故事講述
  • 影響效果
  • 管理 Data Science 個專案

最低要求

沒有

  35 時間:

人數



每位參與者的報價

客戶評論 (3)

相關課程

課程分類