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.
Návrh Školení
Úvod
- Definování prediktivní umělé inteligence
- Historický kontext a vývoj prediktivní analytiky
- Základní principy strojového učení a data miningu
Sběr a předzpracování dat
- Shromažďování relevantních dat
- Čištění a příprava dat pro analýzu
- Pochopení datových typů a zdrojů
Průzkumné Data Analysis (EDA)
- Vizualizace dat pro statistiky
- Popisná statistika a sumarizace dat
- Identifikace vzorců a vztahů v datech
Statistické modelování
- Základy statistické inference
- Regresní analýza
- Klasifikační modely
Machine Learning Algoritmy pro predikci
- Přehled algoritmů učení pod dohledem
- Rozhodovací stromy a náhodné lesy
- Neuronové sítě a základy hlubokého učení
Hodnocení a výběr modelu
- Pochopení přesnosti modelu a metrik výkonu
- Techniky křížové validace
- Overfitting a ladění modelu
Praktické aplikace prediktivní AI
- Případové studie napříč různými odvětvími
- Etické úvahy v prediktivním modelování
- Omezení a výzvy prediktivní umělé inteligence
Praktický projekt
- Práce se sadou dat za účelem vytvoření prediktivního modelu
- Použití modelu k předpovědím
- Vyhodnocování a interpretace výsledků
Shrnutí a další kroky
Požadavky
- Pochopení základních statistik
- Zkušenosti s jakýmkoli programovacím jazykem
- Znalost práce s daty a tabulkami
- Nejsou vyžadovány žádné předchozí zkušenosti v oblasti AI nebo datové vědy
Publikum
- IT profesionály
- Datové analytiky
- Technický personál
21 hodiny
