Les prix indiqués sont valables par personne

 
Assistez à ce cours Certified AI Practitioner by Logical Operations, en partenariat avec Allyans et passez vos compétences en intelligence artificielle au niveau supérieur.
 
Ce cours vous est proposé en Classe virtuelle, avec un instructeur certifié.
 
Pour consulter le planning des prochaines sessions, cliquez ici.
 

 

Résumé

Il n’y a pas de meilleur moyen de pérenniser votre carrière que de devenir un praticien certifié en intelligence artificielle. L’intelligence artificielle est sur la liste de toutes les organisations à faire. Selon LinkedIn, les spécialistes de l’IA ont connu une croissance annuelle de 74% de la demande au cours des cinq dernières années, et cette tendance se poursuivra alors que les organisations cherchent à exploiter le plus de potentiel de leurs données. La bonne nouvelle est que vous pouvez faire le premier pas dans le monde de l’IA avec la certification CertNexus Certified Artificial Intelligence Practitioner. Avec CAIP, vous apprendrez des connaissances fondamentales intersectorielles neutres sur les concepts, les technologies, les algorithmes et les applications d’IA et d’apprentissage automatique qui vous aideront à garder votre carrière en tête de la courbe.

L’intelligence artificielle (IA) et l’apprentissage automatique (ML) sont devenus une partie essentielle de la panoplie d’outils pour de nombreuses organisations. Lorsqu’ils sont utilisés efficacement, ces outils fournissent des informations exploitables qui génèrent des critiques décisions et permettre aux organisations de créer des produits et services passionnants, nouveaux et innovants. Le cours vous montre comment appliquer diverses approches et algorithmes pour résoudre des problèmes commerciaux grâce à l’IA et ML, suivez un flux de travail méthodique pour développer des solutions sonores, utilisez des outils open source développer, tester et déployer ces solutions et veiller à ce qu’elles protègent la confidentialité des utilisateurs. Ce cours comprend des activités pratiques pour chaque sujet. 

 

A qui s’adresse ce cours ?

Les compétences couvertes par ce cours convergent vers trois domaines : développement de logiciels, mathématiques appliquées et statistiques et analyse commerciale. Les étudiants cibles de ce cours peuvent être forts dans un ou deux de ces ces domaines et cherchent à compléter leurs compétences dans les autres domaines afin qu’ils puissent appliquer l’intelligence artificielle (AI), en particulier les modèles d’apprentissage automatique, aux problèmes commerciaux.

L’élève cible peut donc être un programmeur cherchant à développer des compétences supplémentaires pour appliquer l’apprentissage automatique, des algorithmes aux problèmes commerciaux, ou un analyste de données qui possède déjà de solides compétences en statistiques aux problèmes des entreprises, mais cherche à développer des compétences technologiques liées à l’apprentissage automatique.

Un étudiant typique dans ce cours devrait avoir plusieurs années d’expérience avec la technologie informatique, y compris une certaine aptitude en programmation informatique.

Ce cours est également conçu pour aider les étudiants à se préparer au CertNexus® Certified Artificial Certification de praticien du renseignement (AI) (examen AIP-110).

 

Pré-requis

Pour assurer votre réussite dans ce cours, vous devez avoir au moins une compréhension de haut niveau des concepts fondamentaux de l’IA, y compris, mais sans s’y limiter : apprentissage automatique, apprentissage supervisé, apprentissage non supervisé, réseaux de neurones artificiels, vision par ordinateur et traitement du langage naturel .

Vous pouvez obtenir ce niveau de connaissances en suivant le cours CertNexus AIBIZ ™ (examen AIZ-110).

Vous devez également avoir une expérience de travail avec des bases de données et un langage de programmation de haut niveau tels que Python, Java ou C / C ++.

 

Objectifs

Dans ce cours, vous allez mettre en œuvre des techniques d’IA afin de résoudre des problèmes commerciaux.

A l’issue de cette formation, vous serez capable de :

• Spécifier une approche générale pour résoudre un problème commercial donné qui utilise l’IA et le ML appliqués.
• Collecter et affiner un ensemble de données pour le préparer à la formation et aux tests
• Former et régler un modèle d’apprentissage automatique
• Finaliser un modèle d’apprentissage automatique et présenter les résultats au public approprié
• Construire des modèles de régression linéaire
• Construire des modèles de classification
• Créer des modèles de clustering
• Construire des arbres de décision et des forêts aléatoires
• Construire des machines à vecteurs de support (SVM)
• Construire des réseaux de neurones artificiels (RNA)
• Promouvoir la confidentialité des données et les pratiques éthiques dans les projets AI et ML

 

Déroulement du cours

Leçon 1 : Résolution des problèmes commerciaux à l’aide de l’IA et du ML

Thème A : Identifier les solutions d’IA et de ML pour les problèmes commerciaux
Sujet C : Formuler un problème d’apprentissage automatique
Sujet D : Sélectionnez les outils appropriés


Leçon 2 : collecte et amélioration de l’ensemble de données

Sujet A : collecte de l’ensemble de données
Sujet B : analyser l’ensemble de données pour obtenir des informations
Sujet C : utiliser des visualisations pour analyser les données
Sujet D : Préparer les données

Leçon 3 : Configuration et formation d’un modèle

Sujet A : Configurer un modèle d’apprentissage automatique
Sujet B : Former le modèle

Leçon 4 : Finalisation d’un modèle

Thème A : Traduire les résultats en actions commerciales
Thème B : Intégrer un modèle dans une solution commerciale à long terme

Leçon 5 : Création de modèles de régression linéaire

Sujet A : Construire un modèle de régression à l’aide de l’algèbre linéaire
Sujet B : Construire un modèle de régression régularisé à l’aide de l’algèbre linéaire
Sujet C : Construire un modèle de régression linéaire itératif

Leçon 6 : Modèles de classification des bâtiments

Sujet A : Former des modèles de classification binaire
Sujet B : Former des modèles de classification multi-classes
Sujet C: Évaluer les modèles de classification
Sujet D: Tune Classification Models

Leçon 7 : Création de modèles de clustering

Sujet A : Créer des modèles de clustering k-Means
Sujet B : Création de modèles de clustering hiérarchiques

Leçon 8 : Création de modèles avancés

Sujet A : Créer des modèles d’arbre de décision
Sujet B : Créer des modèles de forêt aléatoires

Leçon 9 : Construction de machines à vecteur de support

Sujet A : Créer des modèles SVM pour la classification
Sujet B : Créer des modèles SVM pour la régression

Leçon 10 : Construire des réseaux de neurones artificiels

Sujet A : Construire des perceptrons multicouches (MLP)
Sujet B : Construire des réseaux de neurones convolutifs (CNN)

Leçon 11 : Promouvoir la confidentialité des données et les pratiques éthiques

Sujet A : Protéger la confidentialité des données
Sujet B : Promouvoir les pratiques éthiques
Sujet C : Établir des politiques de confidentialité et d’éthique des données

Annexe A: Mappage du contenu du cours avec un praticien certifié en intelligence artificielle (IA) CertNexus® (examen
AIP-100)