友情链接:
合作联系
|
ASPEN培训课程
数据科学、业务智能、产品创新领域的中高级专业人士，技术领导者、数据工程师、业务分析师，以及希望领导AI转型的创始人、CTO、CDO等。
掌握预测式人工智能的完整工作流程，从数据收集、特征工程到模型构建与部署，能够运用机器学习技术解决实际业务问题，并具备向非技术团队传达洞察的能力。
一、 预测式AI基础框架：定义预测分析及其对业务发展的价值，识别预测分析所需的数据类型，掌握数据收集、准备和分析的方法论。
二、 行动驱动的预测模型创建：系统学习以结果为导向的预测模型构建方法，确保AI解决方案与业务目标对齐。
三、 欺诈检测案例实战：通过信用卡欺诈检测的完整案例，学习从问题定义、数据准备到模型训练和评估的全过程。
四、 预测工程核心技术：深入理解预测工程的定义和实施方法，学习如何使用Featuretools和Pandas等工具提取数据特征。
五、 特征工程进阶：掌握将原始数据转换为有效特征的方法，对比自动化特征工程与人工特征工程的适用场景，提升模型准确率。
六、 监督学习算法应用：学习使用Scikit-learn、XGBoost和Pyreal等工具，应用监督学习技术构建二分类预测模型。
七、 模型训练与超参数调优：掌握预测模型的训练方法，学习超参数调优技巧，提升模型性能。
八、 模型分析与评估：深入理解模型评估指标，学习如何解释模型结果，确保预测的可靠性和可解释性。
九、 时间序列异常检测：学习时间序列数据的特点，掌握使用Orion等工具进行无监督异常检测的方法，应用于各行业的异常识别场景。
十、 预测模型部署技术：从技术角度理解模型部署的要求，学习分阶段部署策略，掌握使用SHAP和Pyreal等工具监控部署模型。
十一、 人机协同决策系统：定义预测结果的接收者和目的，开发可解释的决策支持系统，将预测AI模型融入人类决策流程。
十二、 项目启动与团队组建：学习如何评估项目数据可行性，组建跨职能团队，确定KPIs和部署要求，制定完整的预测AI项目规划。
