📊Mākslīgais intelekts datu zinātnē un analīzē

Tehnoloģija un dati · 11 vienība · bezmaksas, bez dalības
1 Ievads mākslīgajā intelektā datu zinātnē un analīzē: darbplūsma, lomas, robežas, validācija un ētika
2 Datu vākšana un izpratne par avotiem: shēma, paraugu ņemšana, kvalitāte un informācijas noplūdes noteikšana
3 Datu tīrīšana un pirmapstrāde: trūkst vērtības, izņēmuma un tipa konvertēšanas
4 Izpētes datu analīze (EDA): sadalījums, attiecības un sākotnējie ieskati
5 Līdzekļu inženierija: variantu ģenerēšana, kodēšana, mērogošana un noplūdes novēršana
6 Modeļa veidošana: problēmas definēšana, algoritma izvēle un apmācības/pārbaudes sadalījums
7 Modeļa novērtējums: metrika, savstarpēja validācija un ekstrēma mācīšanās
8 Vizualizācija un stāstu stāstīšana: precīza grafika, godīga grafika
9 Koda ģenerēšana: AI atbalstīta analīze ar Python (pandas) un SQL
10 Datu noplūde un reproducējamība: klusas katastrofas un disciplīna
11 MLOps fonds, ētika, privātums un atbildīga analīze
Visi treniņi Sāciet no pirmās vienības