📊Mesterséges intelligencia az adattudományban és az elemzésben

Technológia és adatok · 11 egység · ingyenes, tagság nélkül

1 Bevezetés a mesterséges intelligenciába az adattudományban és az elemzésben: munkafolyamat, szerepek, határok, érvényesítés és etika

2 Adatgyűjtés és forrásmegértés: séma, mintavétel, minőség és szivárgásfigyelés

3 Adattisztítás és előfeldolgozás: hiányzó érték, kiugró érték és típuskonverzió

4 Feltáró adatelemzés (EDA): Eloszlások, kapcsolatok és kezdeti betekintés

5 Feature Engineering: Változatok generálása, kódolás, méretezés és a szivárgás elkerülése

6 Modellépítés: Problémameghatározás, Algoritmus kiválasztása és Képzés/teszt felosztása

7 Modellértékelés: metrikák, keresztellenőrzés és extrém tanulás

8 Vizualizálás és történetmesélés: Pontos grafika, őszinte grafika

9 Kódgenerálás: AI-asszisztált elemzés Python (pandák) és SQL segítségével

10 Adatszivárgás és reprodukálhatóság: Csendes katasztrófák és fegyelem

11 MLOps Alapítvány, etika, adatvédelem és felelősségteljes elemzés

Minden edzés Kezdje az első egységtől