Course Outline

Εισαγωγή

Περιγραφή του Artificial Intelligence (AI)

  • Συστήματα μηχανικού μάθησης

Εξέταση εφαρμογών του Τεχνητή Νοημοσύνης

  • Τεχνητή νοημοσύνη στον βιομηχανικό πλαισίο

Διάβασμα για τη τεχνολογία της Τεχνητής Νοημοσύνης

  • Underfit και overfit, ταξινόμηση και ευρεία στήριξη
  • Multi-layer perception (MLP) και βαθύ μάθηση
  • Συνεχόμενες και αποκαταστατικές νευρωνικές δικτύων

Αξιολόγηση στρατηγικών προσεγγίσεων

  • Εμπορική και εξοδικευτική (build or buy?)
  • Μοντέλα ολιγοφυσίας Τεχνητής Νοημοσύνης για την εταιρεία σας

Εργασία με δεδομένα στην εταιρείά σας

  • Εκτίμηση διαθεσιότητας δεδομένων
  • Word embeddings
  • Τρέξτινγκ με ψευδαισθητικά δεδομένα

Αξιολόγηση επιλογής ανθρώπου AI

  • Κύρια κριτήρια για την επιλογή προ젝τών

Διαχείριση έργου AI

  • Μηχανικό μάθηση και βαθύ μάθηση
  • Διαχείριση προγράμματος (βίου, χρονοδιαγράμματα, μέθοδοι)
  • Εκτελέσεις, διατήρηση και διαχείριση κινδύνων

Αγόρευση Παρατηρήσεων

  • Καθορισμός μεθόδων παρατηρήσεων (ερωτηματολόγια, επισκέψεις κλπ.)
  • Κύριοι συμμετέχοντες που θα παρέχουν μετόχη
  • Ανάλυση αποτελεσμάτων

Περίληψη και επόμενα βήματα

Requirements

  • Δεν απαιτούνται προηγουμένως γνώσεις

Εκδοχή

  • Οδηγοί Business
  • Διαχειριστές προγραμμάτων
 7 Hours

Number of participants


Price per participant

Testimonials (7)

Upcoming Courses

Related Categories