Introducción
Requisitos previos: el diploma requiere un conocimiento de pregrado en estadística (estadística descriptiva, regresión, distribuciones de muestreo, prueba de hipótesis, estimación de intervalo, etc.), cálculo (derivadas), álgebra lineal (transformación de vectores y matrices) y probabilidad (probabilidad condicional / Bayes teorema).
El proceso de admisión implicará una breve prueba de selección sobre los temas anteriores para evaluar la preparación de los participantes para el diploma.
Se requiere que los participantes posean un conocimiento intermedio de Python ya que todas las asignaciones / proyectos de aplicación se realizarán utilizando el lenguaje de programación Python. Emeritus ofrece un curso de certificado complementario de Python para análisis de datos para cumplir con este requisito previo. Los participantes que completen con éxito este curso certificado recibirán un certificado de finalización del Emeritus Institute of Management .¿Por qué inscribirse en un Diploma de posgrado en Aprendizaje Automático e Inteligencia Artificial?La inteligencia artificial (AI) y los algoritmos de aprendizaje automático están transformando sistemas, experiencias, procesos e industrias completas. No es de extrañar que los líderes empresariales vean estas tecnologías basadas en datos como fundamentales para el futuro y que los profesionales que dominan ambos campos tengan una gran demanda.
Estamos fascinados por su potencial de cambio mundial, y hemos creado el Diploma de posgrado en aprendizaje automático e inteligencia artificial, para ayudar a los estudiantes a comprender los fundamentos de la inteligencia artificial y el aprendizaje automático y cómo aplicarlos para resolver problemas complejos del mundo real.Tu viaje de aprendizajeMódulo 1: Aprendizaje Automático AplicadoAprendizaje supervisadoRegresión: máxima verosimilitud, mínimos cuadrados, regularización
Métodos bayesianos: regla de Bayes, inferencia MAP, aprendizaje activo
Algoritmos de clasificación fundacional: vecinos más cercanos, perceptrón, regresión logística
Refinamientos a la clasificación: métodos del núcleo, proceso gaussiano
Algoritmos de Clasificación Intermedia: SVM, Árboles, Bosques e ImpulsoAprendizaje sin supervisiónMétodos de agrupamiento: K-Means Clustering, EM, Gaussian Mixtures
Sistemas de recomendación: filtrado colaborativo, modelado de temas, PCA
Modelos de datos secuenciales: modelos de Markov y modelos ocultos de Markov, filtros de Kalman
Análisis de asociación
Métodos de agrupamiento - II: comparaciones de modelos, consideraciones de análisisMódulo 2: Inteligencia Artificial AplicadaIntroducción a la Inteligencia Artificial
Agentes inteligentes y búsqueda no informada
Búsqueda heurística
Búsqueda de Adversarial y Juegos.
Restricción problemas de satisfacción
Aprendizaje reforzado
Agentes logicos
Aplicaciones de IA: Procesamiento de lenguaje natural
Aplicaciones de AI y revisión del cursoMódulo 3: Proyecto CapstoneBeneficios de la red de EMERITUSAl completar con éxito este diploma, únase a una comunidad de más de 7400 estudiantes en la Red Emeritus. La Red Emeritus es su plataforma para conectarse a una red global de personas. Los beneficios de la Red Emeritus incluyen:Ayuda para la matrícula
Red global que incluye más de 400 CEOs, presidentes, vicepresidentes, directores, fundadores y directores gerentes
Invitación a eventos globales
Start-up Corner para ayudar a conectar, colaborar, reunir capital, invertir o identificar talento
Acceso extendido al curso y
Acceso a grupos eméritosCertificadoAl completar con éxito el diploma, los participantes recibirán un diploma digital verificado del Emeritus Institute of Management .
