Einführung
Voraussetzungen: Das Diplom erfordert Grundkenntnisse in Statistik (deskriptive Statistik, Regression, Stichprobenverteilung, Hypothesentest, Intervallschätzung usw.), Kalkül (Ableitungen), linearer Algebra (Vektoren & Matrixtransformation) und Wahrscheinlichkeit (bedingte Wahrscheinlichkeit / Bayes) Satz).
Das Zulassungsverfahren umfasst einen kurzen Screening-Test zu den oben genannten Themen, um die Bereitschaft der Teilnehmer für das Diplom zu beurteilen.
Die Teilnehmer müssen über fortgeschrittene Python-Kenntnisse verfügen, da alle Aufgaben / Anwendungsprojekte mit der Programmiersprache Python ausgeführt werden. Emeritus bietet einen kostenlosen Python for Data Analytics-Zertifikatskurs an, um diese Voraussetzung zu erfüllen. Teilnehmer, die diesen Zertifikatskurs erfolgreich abgeschlossen haben, erhalten vom Emeritus Institute of Management .Warum sich für ein Postgraduierten-Diplom in Maschinellem Lernen und Künstlicher Intelligenz einschreiben?Algorithmen für künstliche Intelligenz (KI) und maschinelles Lernen verändern Systeme, Erfahrungen, Prozesse und ganze Branchen. Es ist kein Wunder, dass Wirtschaftsführer diese datengesteuerten Technologien als grundlegend für die Zukunft betrachten und dass Praktiker, die in beiden Bereichen fließend sprechen, eine große Nachfrage haben.
Wir sind fasziniert von ihrem weltverändernden Potenzial und haben das Postgraduierten-Diplom für maschinelles Lernen und künstliche Intelligenz geschaffen, um den Studenten zu helfen, die Grundlagen der KI und des maschinellen Lernens zu verstehen und sie anzuwenden, um komplexe Probleme der realen Welt zu lösen.Ihre LernreiseModul 1: Angewendetes maschinelles LernenÜberwachtes LernenRegression: Maximale Wahrscheinlichkeit, kleinste Quadrate, Regularisierung
Bayesianische Methoden: Bayes-Regel, MAP-Inferenz, aktives Lernen
Grundlegende Klassifizierungsalgorithmen: Nächste Nachbarn, Perceptron, logistische Regression
Verfeinerungen der Klassifikation: Kernel-Methoden, Gaußscher Prozess
Zwischenklassifizierungsalgorithmen: SVM, Bäume, Wälder und BoostingUnbeaufsichtigtes LernenClustering-Methoden: K-Means Clustering, EM, Gaußsche Gemische
Empfehlungssysteme: Kollaboratives Filtern, Themenmodellierung, PCA
Sequentielle Datenmodelle: Markov- und Hidden-Markov-Modelle, Kalman-Filter
Assoziationsanalyse
Clustering-Methoden - II: Modellvergleiche, AnalyseüberlegungenModul 2: Angewandte künstliche IntelligenzEinführung in die Künstliche Intelligenz
Intelligente Agenten und uninformierte Suche
Heuristische Suche
Gegnersuche und Spiele
Probleme mit der Einschränkung von Zufriedenheit
Verstärkung lernen
Logische Agenten
KI-Anwendungen: Natural Language Processing
AI-Anwendungen und KursübersichtModul 3: Capstone-ProjektVorteile des EMERITUS-NetzwerksSchließen Sie sich nach erfolgreichem Abschluss dieses Diploms einer Gemeinschaft von über 7400 Lernenden im Emeritus-Netzwerk an. Das Emeritus Network ist Ihre Plattform, um sich mit einem globalen Netzwerk von Einzelpersonen zu verbinden. Zu den Vorteilen des Emeritus-Netzwerks gehören:Unterricht Unterstützung
Globales Netzwerk mit über 400 CEOs, Präsidenten, Vizepräsidenten, Direktoren, Gründern und Geschäftsführern
Einladung zu globalen Veranstaltungen
Start-up-Ecke, um Kontakte zu knüpfen, zusammenzuarbeiten, Kapital zu beschaffen, Talente zu investieren oder Talente zu identifizieren
Erweiterter Kurszugang und
Zugang zu emeritierten GruppenZertifikatNach erfolgreichem Abschluss des Diploms erhalten die Teilnehmer ein verifiziertes digitales Diplom vom Emeritus Institute of Management .
