AI Workflow: Data Analysis and Hypothesis Testing

Resumen

Emprende el siguiente paso en tu camino hacia el dominio de la inteligencia artificial dentro de grandes empresas con el "Flujo de Trabajo de IA:

Análisis de Datos e Hipótesis." Reconoce la importancia de la prueba de hipótesis en el análisis exploratorio de datos y cómo abordar los desafíos de las pruebas múltiples con estrategias efectivas. Este curso no está diseñado para principiantes sino para practicantes de ciencia de datos con experiencia en la construcción de modelos de aprendizaje automático, buscando mejorar su experiencia en la implementación de IA en grandes compañías.

Los requisitos previos incluyen la finalización del primer curso en la especialización de Certificación del Flujo de Trabajo Empresarial de IA de IBM, un entendimiento fundamental del Álgebra Lineal, familiaridad con la teoría de la probabilidad y distribuciones, una comprensión de ambos, estadísticas descriptivas e inferenciales, junto con un entendimiento práctico de los conceptos de aprendizaje automático. Además, se espera competencia en Python y familiaridad con herramientas como NumPy, Pandas, matplotlib, scikit-learn e IBM Watson Studio, así como un entendimiento del proceso de diseño de pensamiento.

Ofrecido a través de Coursera, este curso es parte de una serie que se centra en inteligencia artificial, programación en Python, aprendizaje automático y análisis de datos.

Enseñado por

Mark J Grover and Ray Lopez, Ph.D.

Asignaturas

united states