Course Outline

소개

  • 예측 AI 정의
  • 예측 분석의 역사적 맥락과 진화
  • 머신러닝과 데이터 마이닝의 기본 원리

데이터 수집 및 전처리

  • 관련 데이터 수집
  • 분석을 위한 데이터 정리 및 준비
  • 데이터 유형 및 소스 이해

탐색적 Data Analysis (EDA)

  • 통찰력을 위한 데이터 시각화
  • 기술통계 및 데이터 요약
  • 데이터의 패턴 및 관계 식별

통계 모델링

  • 통계적 추론의 기초
  • 회귀 분석
  • 분류 모델

Machine Learning 예측 알고리즘

  • 지도 학습 알고리즘 개요
  • 의사결정 트리와 랜덤 포레스트
  • 신경망 및 딥러닝 기초

모델 평가 및 선택

  • 모델 정확도 및 성능 지표 이해
  • 교차 검증 기술
  • 과적합 및 모델 튜닝

예측 AI의 실제 적용

  • 다양한 산업 분야의 사례 연구
  • 예측 모델링의 윤리적 고려사항
  • 예측 AI의 한계와 과제

실습 프로젝트

  • 데이터 세트를 사용하여 예측 모델 만들기
  • 모델을 적용하여 예측하기
  • 결과 평가 및 해석

요약 및 다음 단계

Requirements

  • 기초통계에 대한 이해
  • 모든 프로그래밍 언어 경험
  • 데이터 처리 및 스프레드시트에 대한 지식
  • AI 또는 데이터 과학에 대한 사전 경험이 필요하지 않습니다.

청중

  • IT 전문가
  • 데이터 분석가
  • 기술 담당 직원
 21 Hours

Number of participants



Price per participant

회원 평가 (3)

Related Courses

Predictive AI in DevOps: Enhancing Software Delivery

14 Hours

OptaPlanner in Practice

21 Hours

AI in business and Society & The future of AI - AI/Robotics

7 Hours

UiPath for Intelligent Process Automation (IPA)

14 Hours

Intelligent Testing

14 Hours

Introduction to Data Science and AI using Python

35 Hours

AI in Digital Marketing

7 Hours

IBM Cloud Pak for Data

14 Hours

Artificial Intelligence (AI) for Robotics

21 Hours

Artificial Intelligence (AI) for Managers

7 Hours

AI and Robotics for Nuclear

80 Hours

AI and Robotics for Nuclear - Extended

120 Hours

Introduction to Bing AI: Enhancing Search with Artificial Intelligence

14 Hours

Introduction to Artificial Intelligence (AI)

35 Hours

Fundamentals of Intelligent Driving

21 Hours

Related Categories