In questo ciclo di tre lezioni imparerai le best practice e riceverai consigli per il machine learning (ML). Il corso esplora come preparare una roadmap per l'integrazione del ML nei processi aziendali, esplora i requisiti per determinare se il ML è la soluzione appropriata a un problema aziendale e descrive quali componenti sono necessari per una corretta adozione organizzativa di ML.
- Livello di corso: Base
- Durata: 90 minuti
Nota: questo corso fornisce trascrizioni/sottotitoli localizzati. La narrazione è in inglese. Per visualizzare i sottotitoli, fare clic sul pulsante CC nell'angolo in basso a destra del lettore.
AttivitÃ
Questo ciclo di lezioni include presentazioni, video e valutazioni delle conoscenze.
Obiettivi del corso
In questo ciclo di lezioni imparerai a:
- Comprendere le basi del machine learning per valutare i vantaggi e i rischi associati alla sua adozione in vari business case
- Identificare i dati, i tempi e i requisiti di produzione per un progetto ML di successo
- Descrivere come adattare un'organizzazione per raggiungere e sostenere il successo utilizzando il ML
Destinatari principali
Questo ciclo di lezioni è rivolto a:
- Leader aziendali non tecnici e altri responsabili delle decisioni aziendali che sono o saranno coinvolti in progetti di ML
- Partecipanti al programma AWS Machine Learning Embark e ai workshop Discovery di Machine Learning Solutions Lab (MLSL)
Prerequisiti
Si raccomanda che i partecipanti a questo corso abbiano completato:
- Conoscenze di base su computer e sistemi informatici
- Alcune conoscenze di base del concetto di machine learning
Riepilogo del corso
Corso 1: Introduction to Machine Learning: Art of the Possible
Modulo 1: Come può essere d'aiuto il machine learning?
- Definisci il machine learning
- Descrivi il feedback loop positivo (o effetto volano) che guida i progetti di ML
- Descrivi i diversi domini aziendali interessati dal machine learning
- Descrivi il potenziale del machine learning per i mercati poco sfruttati
Modulo 2: Come funziona il machine learning?
- Descrivi l’intelligenza artificiale
- Descrivi la differenza tra intelligenza artificiale e machine learning
Modulo 3: Quali sono alcuni potenziali problemi del machine learning?
- Descrivi le differenze tra modelli semplici e modelli complessi
- Comprendi i problemi di inspiegabilità e incertezza dei modelli di machine learning
Modulo 4: Conclusione
Corso 2: Planning a Machine Learning Project
Modulo 1: Una soluzione di machine learning è adatta al mio problema?
- Spiega come determinare se il ML è la soluzione appropriata al problema della tua azienda
Modulo 2: I miei dati sono pronti per il machine learning?
- Descrivi il processo per verificare che i dati siano pronti per il ML
Modulo 3: In che modo il machine learning influirà sulla timeline di un progetto?
- Spiega come il ML può influire sulla timeline di un progetto
Modulo 4: Quali domande devo porre inizialmente durante il rilascio in produzione?
- Identifica le domande da porre che influiscono sul rilascio in produzione di un progetto di ML
Modulo 5: Conclusione
Corso 3: Building a Machine Learning Ready Organization
Modulo 1: Come posso preparare la mia organizzazione per l'utilizzo del ML?
- Come posso preparare la mia organizzazione per l'utilizzo del ML?
- In che modo AWS mi può aiutare?
- Quali altre strategie posso adottare per garantire il successo dell'organizzazione?
- Quale cambiamento nell'approccio culturale può funzionare nella mia organizzazione?
Modulo 2: Come posso valutare la mia strategia dei dati?
- Come posso valutare la mia strategia dei dati?
- Come posso migliorare la mia strategia dei dati?
Modulo 3: Come faccio a creare una cultura dell'apprendimento e della collaborazione?
- Come faccio a creare una cultura dell'apprendimento e della collaborazione?
- Cos'è un data scientist?
- Quali competenze deve avere un data scientist?
- Che qualità deve avere un team pilota per il ML?
- Di quali altri ruoli di supporto ho bisogno?
- Quali sono le responsabilità chiave?
Modulo 4: Come posso iniziare il percorso verso il ML?
- Come posso iniziare il percorso verso il ML?
- In cosa consiste il percorso verso il ML di un'organizzazione?
- Qual è un esempio di business case per il progresso fatto da un'organizzazione?
Modulo 5: Conclusione
