📊Sztuczna inteligencja w nauce i analityce danych

Technologia i dane · 11 jednostka · bezpłatnie, bez członkostwa
1 Wprowadzenie do sztucznej inteligencji w nauce i analityce danych: przepływ pracy, role, granice, walidacja i etyka
2 Gromadzenie danych i zrozumienie źródła: schemat, pobieranie próbek, jakość i świadomość wycieków
3 Czyszczenie i wstępne przetwarzanie danych: brakująca wartość, wartość odstająca i konwersja typu
4 Eksploracyjna analiza danych (EDA): rozkłady, relacje i wstępne spostrzeżenia
5 Inżynieria cech: generowanie wariantów, kodowanie, skalowanie i unikanie wycieków
6 Budowanie modelu: definicja problemu, wybór algorytmu i podział treningu/testu
7 Ocena modelu: metryki, weryfikacja krzyżowa i ekstremalne uczenie się
8 Wizualizacja i opowiadanie historii: dokładna grafika, szczera grafika
9 Generowanie kodu: analiza wspomagana sztuczną inteligencją za pomocą Pythona (pandy) i SQL
10 Wyciek danych i odtwarzalność: ciche katastrofy i dyscyplina
11 Fundacja MLOps, Etyka, Prywatność i Odpowiedzialna Analityka
Wszystkie treningi Zacznij od pierwszej jednostki