Artificial Intelligence Professional Certificate CAIPC®

Тази сертификационна програма е част от портфолиото на CertiProf® (САЩ) - водеща организация за професионално сертифициране, с над 800 000 сертифицирани професионалисти от 88 държави и повече от 1,1 милиона дигитални баджа, издадени чрез Credly. 

 

CertiProf® е член на ANSI (American National Standards Institute), Agile Alliance и IT Certification Council (ITCC).

 

CertiProf® предлага програмата Artificial Intelligence Professional Certificate CAIPC® за валидиране на вашите знания по Artificial Intelligence и Machine Learning. Изпитът представлява онлайн тест с възможни отговори и можете да го направите през Вашия личен компютър от всяка точка на света.

 

 

Тази сертификационна програма се фокусира върху проблеми с клъстерирането за неконтролирано машинно обучение с K-Means алгоритъм. За контролирано машинно обучение ще опишем проблема с класификацията с демонстрация на алгоритъм за проектиране на дървета и регресионен с пример за линейна регресия.

 

 

За кого е програмата Artificial Intelligence Professional Certificate CAIPC®:

 

• Всеки, който иска да разшири своите знания в областта на изкуствения интелект
• Инженери, анализатори, маркетинг мениджъри
• Анализатори на данни, Data Scientists, администратори на данни
• Всеки, който се интересува от извличане на данни и техники за Machine Learning

 

 

 

 

 

Какво ще получите, когато поръчате тази сертификационна програма:

 

• Богато илюстровани материали за подготовка в PDF
• Примерен изпит с въпроси близки до реалните
• Ваучер за онлайн изпит с право на 2 опита
• Сертификат и дигитален бадж на Credly при успешен изпит

 

 

Цели на програмата:

 

• Да разберете основите на изкуствения интелект и машинното обучение
• Да се запознаете с методите за машинно обучение: контролирани и неконтролирани
• Да използвате анализа на данни за вземане на решения
• Да разбирате границите на алгоритмите
• Да схванете програмирането на Python, основните математически знания в AI и основните методи за програмиране

 

 

Формат и продължителност на изпита

 

• Формат: въпроси с възможни отговори
• Брой въпроси: 40
• Език: английски (свържете се с нас, ако желаете да държите изпита на испански, немски или португалски)
• Необходим брой верни отговори: 32/40 или 80%
• Продължителност: 60 минути
• Ползване на помощни материали: не
• Начин на провеждане: онлайн
• Право на безплатен втори изпит в рамките на 6 месеца от издаване на изпитния ваучер

 

 

Валидност на сертификата: 3 години. Подновяването става със заплащане на неголяма такса

 

 

Предварителни изисквания 

 

Няма официални предварителни изисквания.

 

 

 

 

Съдържание на учебните материали

 

 

Machine Learning Fundamentals

Machine Learning Fundamentals

I.1 Key Points

Supervised Machine Learning

Unsupervised Machine Learning

Reinforcement Machine Learning

I.2 Introduction to K-Nearest Neighbors

Introduction

Introduction to the Data

K-nearest Neighbors

Euclidean Distance

Calculate Distance for All Observations

Randomizing and Sorting

Average Price

Functions for Prediction

I.3 Evaluating Model Performance

Testing Quality of Predictions

Error Metrics

Mean Squared Error

Training Another Model

Root Mean Squared Error

Comparing MAE and RMSE

I.4 Multivariate K-Nearest Neighbors

Recap

Removing Features

Handling Missing Values

Normalize Columns

Euclidean Distance for Multivariate Case

Introduction to Scikit-learn

Fitting a Model and Making Predictions

Calculating MSE using Scikit-Learn

Using More Features

Using All Features

I.5 Hyperparameter Optimization

Recap

Hyperparameter Optimization

Expanding Grid Search

Visualizing Hyperparameter Values

I.6 Cross Validation

Concept

Holdout Validation

K-Fold Cross Validation

I.7 Guided Project: Predicting Car Prices

Guided Project: Predicting Car Prices

II Calculus For Machine Learning

Calculus For Machine Learning

Understanding Linear and Nonlinear Functions

Understanding Limits

Finding Extreme Points

III Linear Algebra For Machine Learning

Linear Algebra For Machine Learning

Linear Systems

Vectors

Matrix Algebra

Solution Sets

IV Linear Regression For Machine Learning

Linear Regression For Machine Learning

The Linear Regression Model

Feature Selection

Gradient Descent

Ordinary Least Squares

Processing And Transforming Features

Guided Project: Predicting House Sale Prices

V Machine Learning in Python

Logistic Regression

Introduction to Evaluating Binary Classifiers

Multiclass Classification

Overfitting

Clustering Basics

K-means Clustering

Guided Project: Predicting the Stock Market

VI Decision Tree

Decision Tree

Why use Decision Trees?

Decision Tree Terminologies

How Does the Decision Tree Algorithm Work

Pruning: Getting an Optimal Decision Tree

Advantages of the Decision Tree

Disadvantages of the Decision Tree

Python Implementation of Decision Tree

Guided Project: Predicting Bike Rentals

 

 

 

 

CERTIPROF® is a registered trademark of CertiProf, LLC in the United States and/or other countries.