uCertify

Artificial Intelligence for Business - Course

(AI-BUS.AP1.E0T)
Lessons
TestPrep
Obtenga una prueba gratuita

Habilidades que obtendrás

Descargar el esquema del curso

1

Prefacio

  • Acerca de este libro electrónico
  • Prefacio
2

¿Qué es la inteligencia artificial?

  • ¿Qué es la inteligencia?
  • Inteligencia de máquinas de prueba
  • El solucionador de problemas generales
  • Inteligencia artificial fuerte y débil
  • Planificación de inteligencia artificial
  • Aprender sobre Memorizar
  • Conclusiones de la lección
3

El auge del aprendizaje automático

  • Aplicaciones prácticas del aprendizaje automático
  • Redes neuronales artificiales
  • La caída y el ascenso del perceptrón
  • Llegan los grandes datos
  • Conclusiones de la lección
4

Centrándose en el mejor enfoque

  • Sistema experto versus aprendizaje automático
  • Aprendizaje supervisado versus no supervisado
  • Retropropagación de errores
  • Análisis de regresión
  • Conclusiones de la lección
5

Aplicaciones comunes de IA

  • Robots Inteligentes
  • Procesamiento natural del lenguaje
  • Internet de las cosas
  • Conclusiones de la lección
6

Poniendo la IA a trabajar en Big Data

  • Comprender el concepto de Big Data
  • Trabajar en equipo con un científico de datos
  • Aprendizaje automático y minería de datos: ¿cuál es la diferencia?
  • Dar el salto de la minería de datos al aprendizaje automático
  • Tomando el enfoque correcto
  • Conclusiones de la lección
7

Sopesando sus opciones

  • Conclusiones de la lección
8

¿Qué es el aprendizaje automático?

  • Cómo aprende una máquina
  • Trabajar con datos
  • Aplicación de aprendizaje automático
  • Diferentes tipos de aprendizaje
  • Conclusiones de la lección
9

Diferentes formas en que una máquina aprende

  • Aprendizaje automático supervisado
  • Aprendizaje automático no supervisado
  • Aprendizaje automático semisupervisado
  • Aprendizaje reforzado
  • Conclusiones de la lección
10

Algoritmos populares de aprendizaje automático

  • Árboles de decisión
  • k-vecino más cercano
  • Agrupación de k-medias
  • Análisis de regresión
  • Bayes ingenuo
  • Conclusiones de la lección
11

Aplicación de algoritmos de aprendizaje automático

  • Ajuste del modelo a sus datos
  • Elegir algoritmos
  • Modelado de conjuntos
  • Decidir sobre un enfoque de aprendizaje automático
  • Conclusiones de la lección
12

Palabras de consejo

  • Empezar a hacer preguntas
  • No mezcle datos de entrenamiento con datos de prueba
  • No exagere la precisión de un modelo
  • Conozca sus algoritmos
  • Conclusiones de la lección
13

¿Qué son las redes neuronales artificiales?

  • ¿Por qué la analogía del cerebro?
  • Solo otro algoritmo asombroso
  • Conociendo el perceptrón
  • Exprimiendo una neurona sigmoidea
  • Agregar sesgo
  • Conclusiones de la lección
14

Redes Neuronales Artificiales en Acción

  • Alimentación de datos en la red
  • Qué sucede en las capas ocultas
  • Comprensión de las funciones de activación
  • Adición de pesos
  • Agregar sesgo
  • Conclusiones de la lección
15

Deje que su red aprenda

  • Comenzando con pesos y sesgos aleatorios
  • Hacer que su red pague por sus errores: la función de costo
  • Combinando la Función de Costo con el Descenso de Gradiente
  • Uso de la retropropagación para corregir errores
  • Ajuste de su red
  • Empleando la regla de la cadena
  • Lotes del conjunto de datos con descenso de gradiente estocástico
  • Conclusiones de la lección
16

Uso de redes neuronales para clasificar o agrupar

  • Resolución de problemas de clasificación
  • Resolución de problemas de agrupamiento
  • Conclusiones de la lección
17

Desafíos clave

  • Obtener suficientes datos de calidad
  • Mantener los datos de entrenamiento y prueba separados
  • Elegir cuidadosamente sus datos de entrenamiento
  • Tomando un enfoque exploratorio
  • Elegir la herramienta adecuada para el trabajo
  • Conclusiones de la lección
18

Aprovechar el poder del procesamiento del lenguaje natural

  • Extraer el significado del texto y el habla con NLU
  • Entrega de respuestas sensatas con NLG
  • Automatización del servicio al cliente
  • Revisión de las mejores herramientas y recursos de PNL
  • Conclusiones de la lección
19

Automatización de las interacciones con los clientes

  • Elección de tecnologías de lenguaje natural
  • Revise las principales herramientas para crear chatbots y agentes virtuales
  • Conclusiones de la lección
20

Mejorar la toma de decisiones basada en datos

  • Elegir entre la toma de decisiones automatizada e intuitiva
  • Recopilación de datos en tiempo real desde dispositivos IoT
  • Revisión de herramientas de toma de decisiones automatizadas
  • Conclusiones de la lección
21

Uso del aprendizaje automático para predecir eventos y resultados

  • El aprendizaje automático se trata realmente de etiquetar datos
  • Mirando lo que puede hacer el aprendizaje automático
  • Usa tu poder para el bien, no para el mal: ética del aprendizaje automático
  • Revise las principales herramientas de aprendizaje automático
  • Conclusiones de la lección
22

Construyendo mentes artificiales

  • Separando la inteligencia de la automatización
  • Adición de capas para el aprendizaje profundo
  • Consideración de aplicaciones para redes neuronales artificiales
  • Revisión de las principales herramientas de aprendizaje profundo
  • Conclusiones de la lección

Artificial Intelligence for Business - Course

$279.99

Comprar ahora

Cursos relacionados

Todo el curso