Read the Official Description

Oversikt

Maskinlæring og naturlig språkbehandling definerer den nåværende toppmoderne artificial intelligence. Disse teknologiene, som er en form for data mining og dataanalyse, lærer kontinuerlig fra den angitte informasjonen. De gjenkjenner skjulte mønstre som ofte gir dramatiske konkurransefordeler til relativt lave kostnader for organisasjonen. Disse teknologiene skaper betydelige forbedringer på den måten vi jobber, samhandler med, og lever som produserer effektivitet som aldri har vært å tenke oss før. Disse metodene blir brukt i et mangfoldig utvalg av næringer, blant annet salg, markedsføring, reklame, helsevesen, strafferetthet, finansiell kundesupport og kule nye bransjer som selvkjørende biler og svært effektive automatiserte boliger. Organisasjoner bruker i dag disse metodene, ikke bare for å forbedre sin kjernevirksomhet, men også for å utvikle nye forretningsmodeller.

Hvem skal registrere seg

Dette programmet er ment for fagfolk i en rekke bransjer og jobbfunksjoner som ønsker å hjelpe deres organisasjon å utnytte de enorme mengdene ulike data de samler inn og utvikler selvforbedrende systemer som forbedrer deres organisasjons evne til å konkurrere på verdensmarkedet. Spesifikke jobbtitler som vil ha nytte av dette programmet inkluderer: Markedsføring, Salg, Bedriftsanalytikere, Dataingeniører, Dataanalytikere, Datavitenskapere, Databaseadministratorer, Forskere, Statistikere og de fagfolkene som ønsker å utvide sine ferdigheter i dette høye etterspørselsfeltet mens de bruker deres unike domenekompetanse.

Karriereinnsikt

Arbeidsmessig sammendrag for data- og informasjonsforskere i USA.

  • Stillinger: 27,963 (2016)
  • Forventet vekst: 10,20% (2017-2027)
  • Årlig lønn: $ 88k- $ 141k (25.-75. prosent)

Programfordeler

  • Lær av bransjeeksperter hvordan man bruker kunst og vitenskap om maskin og dyp læring for å levere ny innsikt og forbedre konkurranseevnen til bedriften din
  • Forklar hvilke typer problemer som er best egnet for maskinlæring og hvilke som er best for dyp læring
  • Forstå og bruk maskin- og dyp læring programvareverktøy som brukes i industrien for å løse forretningsproblemer
  • Forklar ulike læringsalgoritmer og hvordan de brukes til å forstå forskjeller mellom uovervåket, semi-supervised, supervised og armeringsprosesser
  • Lær metodikker og verktøy for å bruke algoritmer ved hjelp av et bredt spekter av ekte datatyper, inkludert strukturert og ustrukturert tekst, video og bilder fra interne eller eksterne kilder (f.eks. Skrapt webdata) og evaluere deres ytelse
  • Bestem relaterte programvareverktøy for å vurdere og hvordan å integrere dem i eksisterende data-arbeidsflyter
  • Bruk grunnleggende byggeklosser, generelle prinsipper og skyteknologi som Amazon Web Services (AWS) for å designe maskinlæringsalgoritmer
  • Lær verktøy og teknikker for Natural Language Processing (NLP) og dets bruk i analysen av menneskelig generert innhold
  • Forstå vanlige fallgruvene og utfordringene ved hjelp av nevrale nettverk og dype læringsverktøy
  • Forstå hvilke maskinvare eller virtuelle maskiner som trengs for dyp læring
  • Forklar forskjellen mellom maskin og dyp læring i forhold til tradisjonelle statistiske dataanalyseteknikker

Kursplan

Påkrevde kurs

  • Verktøy og teknikker for maskinlæring (2 enheter)
  • Artificial Neural Networks (2 enheter)
  • Tekstmining og Analytics (2 enheter)

Valgfag (Minimum 4 enheter)

  • Introduksjon til Big Data (2 enheter)
  • Introduksjon til datavitenskap (3 enheter)
  • Introduksjon til forutsigende Analytics (2 enheter)
  • R Programmering (2 enheter)
  • Introduksjon til programmering med Python (2 enheter)
  • Matematisk gjennomgang for datavitenskap og analyse (2,5 enheter)

78840_MachineandDeepLearning.png

Program taught in:
Engelsk

See 17 more programs offered by University of California, Irvine - Division of Continuing Education »

Last updated July 6, 2018
Dette kurset er Nettstudie
Startdato
Open Enrollment
Duration
9 - 15 måneder
Deltid
Heltid studier
Pris
3,705 USD
gjennomsnittlig kostnad
Deadline
By locations
By date
Startdato
Open Enrollment
Sluttdato
Application deadline

Open Enrollment

Location
Application deadline
Sluttdato