Yrityskurssi: Koneoppiminen data-analytiikassa

Hanki itsellesi perustiedot siitä, kuinka tekoälyä voi hyödyntää tiedon analysoinnissa.

Tekoälysovellusten hyödyntäminen on kasvamassa yhä keskeisemmäksi osaksi data-analytiikkaa. Erityisesti kerättävän datan määrän kasvu mahdollistaa yhä parempien mallien kehittämisen. Myös ohjelmistorobotiikka ja koneoppimismenetelmien kehittyminen ovat tuoneet data-analyytikoille uusia työkaluja datan ja dynaamisten järjestelmien mallintamiseen.

Kurssin tavoitteena on antaa yhtenäinen ja selkeä kuva tekoälyn (AI) mahdollisuuksista data-analytiikan näkökulmasta. Kurssilla opitaan terminologia sekä yleisimpien menetelmien periaatteet. Lisäksi kurssilaiset saavat kokemusta Pythonin koneoppimiskirjastojen käytöstä. Kurssin jälkeen osallistujilla on hyvät edellytykset ymmärtää tekoälyyn ja koneoppimiseen liittyvää keskustelua ja valita omaan sovellukseensa sopivimmat menetelmät. Kurssilainen osaa myös verrata kriittisesti menetelmien toimivuutta ja tulosten luotettavuutta.

Kohderyhmä

Koneoppiminen data-analytiikassa on tarkoitettu data-analyytikoille, jotka eivät vielä osaa käyttää koneoppimismenetelmiä. Kurssi sopii myös data-analytiikasta tai tekoälystä kiinnostuneille henkilöille. Kurssi on luonteeltaan peruskurssi.

Kurssin sisältö:

Katsaus tekoälymenetelmiin

  • Koneoppimisen ajurit
  • Tekoälymenetelmien historia
  • Tekoälymenetelmien sovellukset nyt ja tulevaisuudessa
  • Keinotekoisesti älykäs?
     

Koneoppimisen kolme menetelmää

  • Valvottu oppiminen
  • Valvomaton oppiminen
  • Kannustava oppiminen
  • Se on vain analytiikkaa!
     

AI-analyytikon työkalupakki

  • Scikit-learn
  • Azure
  • Hadoop
  • Excel on kuollut?
     

Tilastollisten menetelmien kertaus

  • Keskihajonta ja korrelaatio
  • Tilastollinen riippumattomuus
  • Korreloin, siis riipun?
     

Tekoälyn itsereflektio

  • Ristikkäisvalidointi
  • Virhetyypit
  • Harjan ja varianssin dilemma
  • #OccaminPartaveitsi
     

Muuttujien vähentäminen

  • Muuttujien valinta
  • Muuttujien uuttaminen
  • Polkuvalintamenetelmät
  • Geneettiset algoritmit
  • Dimensioiden kirous!
     

Datan visualisointi

  • Pääkomponenttianalyysi
  • Itsenäisten komponenttien analyysi
  • Uskon kun näen!
     

Luokittelumenetelmät

  • Katsaus luokittelumenetelmiin
  • K-lähinaapurimenetelmä
  • Bayesilainen luokittelu
  • Luokkaretki keinotekoisiin hermoverkkoihin
     

Keinotekoiset hermoverkot

  • Monitasoiset perceptronit
  • Äärimmäiset oppimiskoneet
  • Syväoppivat hermoverkot
  • Konvoluutiohermoverkot
  • AlphaGo
  • Positroniaivojen paluu?
     

Tekoäly ja ohjelmistorobotiikka

  • Tekoälyn hyödyntäminen ohjelmistorobotiikassa
  • RPA + AI == Skynet
     

Esitietovaatimukset:

Kurssimateriaali on englannin kielellä. Harjoitusten tekeminen vaatii Python-kielen perusteiden osaamista. Osallistujille on hyötyä tilastollisten menetelmien hallinnasta.

Käytännön asioita:

Koulutus on kaksipäiväinen. Kurssipäivät alkavat klo 9.00 ja päättyvät noin klo 16.00 - 16.30.

Koulutusmateriaali on englanninkielinen, opetus voidaan toteuttaa suomeksi tai englanniksi.

Hinnat alkaen 2500€.

Ota yhteyttä koulutusvastaavaan, niin aikataulutetaan juuri teidän organisaatiollenne sopiva kurssi:

Kari Kakkonen, Director of Trainings, Knowit Solutions Oy

Email: kari.kakkonen@knowit.fi

Tel: +358 40 5239004

Alkuun