Профессиональная сертификация: общие сведения

Недавно просмотрено: 109,691
Artificial intelligence (AI) is revolutionizing entire industries, changing the way companies across sectors leverage data to make decisions. To stay competitive, organizations need qualified AI engineers who use cutting-edge methods like machine learning algorithms and deep learning neural networks to provide data driven actionable intelligence for their businesses. This 6-course Professional Certificate is designed to equip you with the tools you need to succeed in your career as an AI or ML engineer. You’ll master fundamental concepts of machine learning and deep learning, including supervised and unsupervised learning, using programming languages like Python. You’ll apply popular machine learning and deep learning libraries such as SciPy, ScikitLearn, Keras, PyTorch, and Tensorflow to industry problems involving object recognition, computer vision, image and video processing, text analytics, natural language processing (NLP), recommender systems, and other types of classifiers. Through hands-on projects, you’ll gain essential data science skills scaling machine learning algorithms on big data using Apache Spark. You’ll build, train, and deploy different types of deep architectures, including convolutional neural networks, recurrent networks, and autoencoders. In addition to earning a Professional Certificate from Coursera, you will also receive a digital badge from IBM recognizing your proficiency in AI engineering.
Карьерные результаты учащихся
38%
Начали новую карьеру, пройдя этот продукт (Специализация).
18%
Стали больше зарабатывать или получили повышение.
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
Только онлайн-курсы
Начните сейчас и учитесь по собственному графику.
Гибкий график
Установите гибкие сроки сдачи заданий.
Промежуточный уровень
Прибл. 8 месяцев на выполнение
Около 3 ч/неделю
Английский
Субтитры: Английский
Карьерные результаты учащихся
38%
Начали новую карьеру, пройдя этот продукт (Специализация).
18%
Стали больше зарабатывать или получили повышение.
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
Только онлайн-курсы
Начните сейчас и учитесь по собственному графику.
Гибкий график
Установите гибкие сроки сдачи заданий.
Промежуточный уровень
Прибл. 8 месяцев на выполнение
Около 3 ч/неделю
Английский
Субтитры: Английский

Профессиональная сертификация включает несколько курсов: 6

Курс1

Курс 1

Машинное обучение с использованием Python

4.7
звезд
Оценки: 9,345
Рецензии: 1,502
Курс2

Курс 2

Scalable Machine Learning on Big Data using Apache Spark

3.9
звезд
Оценки: 906
Рецензии: 230
Курс3

Курс 3

Introduction to Deep Learning & Neural Networks with Keras

4.7
звезд
Оценки: 682
Рецензии: 130
Курс4

Курс 4

Deep Neural Networks with PyTorch

4.4
звезд
Оценки: 635
Рецензии: 143

от партнера

Логотип IBM

IBM

Часто задаваемые вопросы

  • Эта специализация не приравнивается к зачету в университетах, однако некоторые вузы принимают сертификаты на свое усмотрение. Дополнительную информацию уточняйте в своем деканате. Онлайн-дипломы и сертификаты Mastertrack™ от Coursera позволяют получить зачеты.

  • Когда вы оформите подписку, начнется семидневный бесплатный пробный период, в течение которого подписку можно отменить без штрафа. По истечении этого срока вы не сможете вернуть средства, но сможете отменить подписку в любой момент. Ознакомьтесь с нашей политикой возврата средств.

  • Да! Чтобы начать, нажмите карточку интересующего вас курса и зарегистрируйтесь. Зарегистрировавшись, вы можете пройти курс, чтобы получить сертификат, ссылкой на который можно делиться с другими людьми. Просто ознакомиться с содержанием курса можно бесплатно. При подписке на курс, входящий в сертификацию, вы автоматически подписываетесь на всю сертификацию. Ход учебы можно отслеживать в панели управления учащегося.

  • Это полностью дистанционный курс, потому вам не нужно ничего посещать. Все лекции, материалы для самостоятельного изучения и задания доступны всегда и везде по Интернету и с мобильных устройств.

  • A​n understanding of artificial intelligence can be used to support many careers, but some careers specifically require a background in AI. Some examples of careers in AI include:

    -​ AI Developer

    -​ Data Analyst

    -​ Data Engineer

    -​ Data Scientist

    -​ Machine Learning Engineer

    -​ Marketing Analyst

    -​ Operations Analyst

    -​ Quantitative Analyst

    -​ Software Analyst

    -​ Software Developer

    -​ Software Engineer

    -​ User Experience Engineer

  • This Professional Certificate consists of 6 self-paced courses. Each course takes 4-5 weeks to complete if you spend 2-4 hours working through the course per week. At this rate, the entire Professional Certificate can be completed in 3-6 months. However, you are welcome to complete the program more quickly or more slowly, depending on your preference.

  • This Professional Certificate's pre-requisites includes the following skills:

    • High school mathematics or math for machine learning

    It is highly recommended that you complete either or both of the following Professional Certificates before starting this one:

  • It is highly recommended to complete the courses in the suggested order.

  • At this time there is no university credit for completing courses in this program.

  • Upon completing this Professional Certificate you will be able to:

    • Describe what machine learning (ML), deep learning (DL), and neural networks are
    • Explain ML algorithms including classification, regression, clustering, and dimensional reduction
    • Implement supervised and unsupervised ML models using Scipy and Scikitlearn
    • Express how Apache Spark works and how to perform machine learning on big data
    • Deploy ML algorithms and pipelines on Apache Spark
    • Demonstrate an understanding of deep learning models such as autoencoders, restricted Boltzmann machines, convolutional networks, recursive neural networks, and recurrent networks
    • Build deep learning models and neural networks using the Keras library
    • Utilize the PyTorch library for deep learning applications and build deep neural networks
    • Explain foundational TensorFlow concepts like main functions, operations & execution pipelines
    • Apply deep learning using TensorFlow and perform back propagation to tune the weights and biases
    • Determine what kind of deep learning method to use in which situation and build a deep learning model to solve a real problem
    • Demonstrate ability to present and communicate outcomes of deep learning projects

Остались вопросы? Посетите Центр поддержки учащихся.