Informações sobre o curso

7,934 visualizações recentes
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível avançado
Aprox. 12 horas para completar
Inglês

Habilidades que você terá

Data ScienceInformation EngineeringArtificial Intelligence (AI)Machine LearningPython Programming
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível avançado
Aprox. 12 horas para completar
Inglês

oferecido por

Placeholder

IBM

Programa - O que você aprenderá com este curso

Semana
1

Semana 1

6 horas para concluir

Data transforms and feature engineering

6 horas para concluir
6 vídeos (Total 31 mín.), 14 leituras, 5 testes
6 videos
Introduction to Class Imbalance1min
Class Imbalance Deep Dive9min
Introduction to Dimensionality Reduction2min
Dimension Reduction13min
Case Study Intro / Feature Engineering1min
14 leituras
Data Transformation: Through the eyes of our Working Example3min
Transforms with scikit-learn3min
Pipelines3min
Class imbalance: Through the Eyes of our Working Example3min
Class Imbalance5min
Sampling Techniques2min
Models that Naturally Handle Imbalance2min
Data Bias2min
Dimensionality Reduction: Through the Eyes of Our Working Example3min
Why is Dimensionality Reduction Important?3min
Dimensionality Reduction and Topic models5min
Topic modeling: Through the Eyes of our Working Example3min
Getting Started with the Topic Modeling Case Study (hands-on)2h
Data Transforms and Feature Engineering: Summary/Review5min
5 exercícios práticos
Getting Started: Check for Understanding30min
Class Imbalance, Data Bias: Check for Understanding30min
Dimensionality Reduction: Check for Understanding3min
CASE STUDY - Topic Modeling: Check for Understanding30min
Data Transforms and Feature Engineering: End of Module Quiz10min
Semana
2

Semana 2

6 horas para concluir

Pattern recognition and data mining best practices

6 horas para concluir
5 vídeos (Total 16 mín.), 11 leituras, 5 testes
5 videos
Introduction to Outliers2min
Outlier Detection3min
Introduction to Unsupervised learning2min
Unsupervised Learning5min
11 leituras
ai360: Through the Eyes of our Working Example3min
Introduction to ai360 (hands-on)15min
Outlier Detection: Through the Eyes of our Working Example3min
Outliers3min
Unsupervised learning: Through the Eyes of our Working Example3min
An Overview of Unsupervised Learning2min
Clustering3min
Clustering Evaluation3min
Clustering: Through the Eyes of our Working Example3min
Getting Started with the Clustering Case Study (hands-on)2h 10min
Pattern Recognition and Data Mining Best Practices: Summary/Review4min
5 exercícios práticos
ai360 Tutorial: Check for Understanding30min
Outlier Detection: Check for Understanding30min
Unsupervised Learning: Check for Understanding30min
CASE STUDY - Clustering: Check for Understanding30min
Pattern Recognition and Data Mining Best Practices: End of Module Quiz12min

Avaliações

Principais avaliações do AI WORKFLOW: FEATURE ENGINEERING AND BIAS DETECTION

Visualizar todas as avaliações

Sobre Programa de cursos integrados IBM AI Enterprise Workflow

IBM AI Enterprise Workflow

Perguntas Frequentes – FAQ

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.