Wstęp
Wymagania wstępne: Dyplom wymaga licencjackich znajomości statystyki (statystyki opisowe, regresja, rozkłady próbkowania, testowanie hipotez, estymacja przedziałów itp.), Rachunku różniczkowego (pochodne), algebry liniowej (wektory i transformacje macierzy) i prawdopodobieństwa (prawdopodobieństwo warunkowe / Bayes twierdzenie).
Proces rekrutacji będzie obejmował krótki test przesiewowy dotyczący powyższych tematów, aby ocenić gotowość uczestnika do uzyskania dyplomu.
Od uczestników wymaga się średniozaawansowanej znajomości języka Python, ponieważ wszystkie zadania / projekty aplikacji będą wykonywane przy użyciu języka programowania Python. Emeritus oferuje bezpłatny kurs certyfikatu Python for Data Analytics, aby spełnić ten warunek. Uczestnicy, którzy pomyślnie ukończyli ten kurs certyfikacyjny, otrzymają certyfikat ukończenia z Emeritus Institute of Management .Dlaczego warto zapisać się na studia podyplomowe w zakresie uczenia maszynowego i sztucznej inteligencji?Algorytmy sztucznej inteligencji (AI) i uczenia maszynowego przekształcają systemy, doświadczenia, procesy i całe gałęzie przemysłu. Nic dziwnego, że liderzy biznesu postrzegają te technologie oparte na danych jako fundamentalne dla przyszłości - i że praktycy biegle w obu dziedzinach są bardzo poszukiwani.
Jesteśmy zafascynowani ich potencjałem zmieniającym świat, dlatego stworzyliśmy Dyplom podyplomowy w dziedzinie uczenia maszynowego i sztucznej inteligencji, aby pomóc uczniom zrozumieć podstawy sztucznej inteligencji i uczenia maszynowego oraz sposoby ich zastosowania do rozwiązywania złożonych problemów w świecie rzeczywistym.Twoja podróż edukacyjnaModule 1: Applied Machine LearningNadzorowana naukaRegresja: maksymalne prawdopodobieństwo, najmniejsze kwadraty, regularyzacja
Metody bayesowskie: reguła Bayesa, wnioskowanie MAP, aktywne uczenie się
Podstawowe algorytmy klasyfikacji: najbliżsi sąsiedzi, perceptron, regresja logistyczna
Udoskonalenia klasyfikacji: metody jądra, proces gaussowski
Algorytmy klasyfikacji pośredniej: SVM, drzewa, lasy i wzmocnienieUczenie się bez nadzoruMetody grupowania: K-oznacza skupianie, EM, mieszanki gaussowskie
Systemy rekomendacji: wspólne filtrowanie, modelowanie tematów, PCA
Sekwencyjne modele danych: Markow i ukryte modele Markowa, filtry Kalmana
Analiza stowarzyszenia
Metody grupowania - II: Porównanie modeli, zagadnienia analizyModuł 2: Zastosowana sztuczna inteligencjaWprowadzenie do sztucznej inteligencji
Intelligent Agents i Uninformed Search
Wyszukiwanie heurystyczne
Wyszukiwanie przeciwnika i gry
Problemy z satysfakcją z ograniczeń
Uczenie się o wzmocnieniu
Agenci logiczni
Aplikacje AI: przetwarzanie języka naturalnego
AI Applications and Course ReviewModuł 3: Projekt CapstoneKorzyści z sieci EMERITUSPo pomyślnym ukończeniu tego dyplomu dołącz do społeczności ponad 7400 uczniów w Emeritus Network. Sieć Emeritus to Twoja platforma do łączenia się z globalną siecią osób. Korzyści z sieci Emeritus obejmują:Pomoc w nauce
Globalna sieć obejmująca ponad 400 prezesów, prezesów, wiceprezesów, dyrektorów, założycieli i dyrektorów zarządzających
Zaproszenie na wydarzenia globalne
Start-up Corner, który pomaga łączyć, współpracować, gromadzić kapitał, inwestować lub identyfikować talenty
Rozszerzony dostęp do kursu i
Dostęp do grup emerytówCertyfikatPo pomyślnym ukończeniu dyplomu uczestnicy otrzymają zweryfikowany dyplom cyfrowy z Emeritus Institute of Management .
