Generative KI-Kenntnisse sind heute eine wesentliche Fähigkeit in der Datenwissenschaft. Laut Gartner "werden bis 2026 20 % der führenden Datenwissenschaftsteams als Cognitive Science- oder Science-Beratungsunternehmen umbenannt, wodurch die Vielfalt der Mitarbeiterfähigkeiten um 800 % zunehmen wird."
Vor dem Hintergrund dieser Branchentrends bietet IBM Ihnen diese Spezialisierung an, um Ihre Karriere voranzutreiben! Diese Spezialisierung in drei Kursen soll Ihnen den Einstieg in die Anwendung generativer KI im Bereich der Datenwissenschaft erleichtern. Sie richtet sich an bestehende und angehende Datenexperten wie Data Scientists, Fachkräfte für Datenanalyse, Datenarchitekten und -ingenieure und sogar an Datenenthusiasten.
Zu Beginn der Spezialisierung werden Sie die Grundlagen der generativen KI und ihre realen Anwendungen verstehen. Anschließend lernen Sie die Konzepte und Ansätze für die Entwicklung generativer KI-Prompts kennen und erkunden die gängigen Prompt-Engineering-Tools wie IBM Watsonx, Prompt Lab, Spellbook und Dust. Schließlich lernen Sie die Anwendung vongenerativen KI-Tools und -Techniken in der gesamten Data-Science-Methodik für Datenerweiterung, Datengenerierung, Feature-Engineering, Modellentwicklung, Modellverfeinerung, Visualisierungen und Erkenntnisse kennen. Geben Sie Ihren Datenwissenschaftstechniken mit generativer KI einen Schub! Melden Sie sich jetzt an und erwerben Sie die Fähigkeiten, die Ihrem aktuellen Arbeitgeber und anderen zeigen, dass Sie bereit sind, die Macht der generativen KI effektiv zu nutzen.
Praktisches Lernprojekt
Diese Spezialisierung legt den Schwerpunkt auf angewandtes Lernen und umfasst eine Reihe praktischer Aktivitäten und Projekte. In diesen Übungen werden Sie die erworbenen theoretischen Kenntnisse und Fähigkeiten in realen Szenarien anwenden .
Zu den praktischen Aktivitäten und Projekten gehören:
Generieren von Text, Bildern und Code mit generativer KI
Anwendung von Prompt-Engineering-Techniken und Best Practices
Verwendung generativer KI-Modelle zur Erstellung eines Vorhersagemodells für den Verkaufspreis von Gebrauchtwagen