WSQApplied机器学习
本课向学习者提供设计并创建机器学习系统,这些系统可集成、理解并使用各种感官信息来源并采取行动,使用各自行业所遵循的域知识学习者将获取技能,使用机器推理技巧和计算机编程建立知识智能软件应用本课程将使学习者熟悉机器学习概念和数据挖掘预测解析学习者学习什么算法可用性、他们做什么和如何选择最佳算法并应用到数据中学习者将学习用模型输出预测并跨模型比较学习者将能够通过研究数据模式并用这些模式预测商业应用和其他领域
密钥事实
课程持续时间:请参考下文细节
取日期:从1月开始,4月
总培训费:1 968.06元
- 供资率达90%可用请参阅下文标准
课程意图消除学习者概念知识、专业技巧和实际能力之间的差距
- 分析适当的数据集和数据转换法分析学习者将实际理解机器学习推理系统的设计、分析和实施
- 可缩放数据管道提取、加载和整合各种源非结构化数据
- 故障清除错误部署并创建错误修正解决问题
请选择下列选项之一 : |
|
一号 |
4.5天上午9点-下午6点9小时/天*4天+3小时评估 |
2 |
2周末(星期六和星期天)+3小时评估 |
3 |
5天2周7-10周 |
4 |
定制公司请求 |
5 |
3个月,1课/周,3小时/会 |
课程结束时学习者将能够:
分析机器学习技巧和商业驱动程序
2) 分析并准备数据供机器推理系统使用相关技术
3)分析、组织并表达知识用于机器推理系统
4)分析组件和知识系统技巧推理
5)分析特征推理逻辑应用推理系统架构算法推导新推理
6)审查不确定性问题、需求并解释机器学习系统
7)分析特征和结果评估确定性因素和不确定性处理技巧
8)评价现代机器推理系统的方法、模型和技术
9) 设计并创建人工智能机推理系统以考虑伦理问题
The expected skills and knowledge for this course are as follows:
- 能够以清晰可信的方式听、讲、读写英语或提供文件证明职场读写能力框架六级读写技能
- 热心学习并参与各种学习环境的学习活动,如在线学习、实验室学习和混合学习自律学习环境;
- 能够从图书馆、互联网或在线数据库获取和分析相关材料,用于设计开发学习资源
课程录入要求如下:
- 21岁及以上;
- 最小学习者必须拥有 COEGEO级
- 能力读、听和讲英语相当于可就业技能系统6级知识
- 可计算能力相当于就业技能系统6级
- 基本计算机素养(工作场所技能系列-信息和通信技术技巧)。
可要求学习者提交符合上文所述课程必备条件的相关文件,如果不符合必备条件。
如果学习者达不到输入要求,学习者会从课程中被拒绝
证书认证使新加坡人和新加坡公关持有者从SSG获得部分课程资助受资格和资金上限约束,新加坡人供资支持达90%,新加坡公关持有者最高达80%
自赞助个人课程收费资助(截至2021年4月30日)
可认证课程SSG核准 | 课程级 | 课程从2022年1月1日开始 | 课程自2022年1月1日或该日 |
新加坡公民常住者(自办个人必须至少21岁) | PMET系统 | 50%课程收费上限为每小时15美元 | 最高50%课程收费 |
非PMET | 80%课程收费上限为每小时17美元 | ||
SCs四十四岁(SkillesFutere中级职业增强补贴) | PMET系统 | 高达90%课程收费上限为每小时50 | 高达70%课程收费 |
非PMET | 高达90%课程收费,上限为每小时25美元 |
从SG获取资金时,必须满足以下条件:
- 通过课程
- 实现最小75%出勤
- 不可禁止接受政府赠款
模块化
LU1:分析机器学习技巧和商业驱动程序
理解机器推理应用技术 分析机器推理技术 商业驱动应用扩展LU2:用相关技术分析并编译机器推理系统数据
分析并准备数据供机器推理系统使用相关技术解决问题扩展LU3分析、组织并代表知识促进机器推理系统
分析组织并表达知识 机器推理系统 回归基础技术分析表格组织并表达知识、商业规则及自然语言扩展
理解机器推理应用技术 分析机器推理技术 商业驱动应用
分析并准备数据供机器推理系统使用相关技术解决问题
分析组织并表达知识 机器推理系统 回归基础技术分析表格组织并表达知识、商业规则及自然语言
LU4分析组件和知识系统技巧推理
分析组件和树本技术知识系统使用遗留法则和新事实推理分析技巧取新结论 基础现有知识规则 和新事实扩展LU5分析特征推理逻辑
分析近基推理模型并应用系统架构算法推导新推理并推导逻辑结果分析特征和结果评价高级计算推理技巧应用逻辑推理推导新结论扩展LU6:审查不确定性问题、需求并解释机器学习系统
检验不确定性问题 需求 神经网络机器学习系统可解释性扩展
分析组件和树本技术知识系统使用遗留法则和新事实推理分析技巧取新结论 基础现有知识规则 和新事实
分析近基推理模型并应用系统架构算法推导新推理并推导逻辑结果分析特征和结果评价高级计算推理技巧应用逻辑推理推导新结论
检验不确定性问题 需求 神经网络机器学习系统可解释性
LU7分析特征和结果评估确定性因素和不确定性处理技巧
分析类型、特征、源头和结果评价确定性因素和不确定性处理技巧扩展LU 8评价现代机器推理系统的方法、模型和技术
评价方法、高级数学模型和推理现代机器推理系统技术评估高级数学模型性能和推理推理技巧扩展LU9:设计并创建考虑伦理问题人工智能机推理系统
设计并创建人工智能机推理系统,考虑当前和未来AI技术提出的伦理问题扩展
分析类型、特征、源头和结果评价确定性因素和不确定性处理技巧
评价方法、高级数学模型和推理现代机器推理系统技术评估高级数学模型性能和推理推理技巧
设计并创建人工智能机推理系统,考虑当前和未来AI技术提出的伦理问题
请求更多信息
联系程序顾问调用
+6565807700