The course "Core Concepts in AI" provides a comprehensive foundation in artificial intelligence (AI) and machine learning (ML), equipping learners with the essential tools to understand, evaluate, and implement AI systems effectively. From decoding key terminology and frameworks like R.O.A.D. (Requirements, Operationalize Data, Analytic Method, Deployment) to exploring algorithm tradeoffs and data quality, this course offers practical insights that bridge technical concepts with strategic decision-making.
Core Concepts in AI
Core Concepts in AI
Ce cours fait partie de Spécialisation AI Strategy and Project Management
Instructeur : Ian McCulloh
Inclus avec 
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
niveau Intermédiaire
Expérience recommandée
23 heures pour terminer
3 semaines à 7 heures par semaine
Planning flexible
Apprenez à votre propre rythme
Ce que vous apprendrez
Understand core AI and ML concepts, key vocabulary, and the R.O.A.D. Framework for effective AI project management and implementation.
Evaluate machine learning models using performance metrics and understand the tradeoffs in algorithm selection and optimization.
Analyze AI algorithms like SVM, Decision Trees, and Neural Networks, identifying their strengths, weaknesses, and practical applications.
Assess data quality, calculate inter-annotator agreement, and address resource and performance tradeoffs in AI and ML systems.
Compétences que vous acquerrez
- Catégorie : Machine Learning Evaluation
- Catégorie : Resource Management in AI Systems
- Catégorie : Data Quality Assessment
- Catégorie : Algorithm Analysis and Optimization
- Catégorie : AI Vocabulary Mastery
Détails à connaître
Certificat partageable
Ajouter à votre profil LinkedIn
Récemment mis à jour !
décembre 2024
Évaluations
15 devoirs
Enseigné en Anglais
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise du sujet
Ce cours fait partie de la Spécialisation AI Strategy and Project Management
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
- Apprenez de nouveaux concepts auprès d'experts du secteur
- Acquérez une compréhension de base d'un sujet ou d'un outil
- Développez des compétences professionnelles avec des projets pratiques
- Obtenez un certificat professionnel partageable
Obtenez un certificat professionnel
Ajoutez cette qualification à votre profil LinkedIn ou à votre CV
Partagez-le sur les réseaux sociaux et dans votre évaluation de performance
Il y a 6 modules dans ce cours
This course provides a comprehensive introduction to key concepts in artificial intelligence (AI) and machine learning (ML). Learners will explore essential vocabulary, the R.O.A.D. Framework, performance evaluation, and algorithm tradeoffs. Topics include data quality, inter-annotator agreement, and the strengths and weaknesses of AI methods. By the end, learners will be equipped with the foundational knowledge to navigate and assess AI and ML systems effectively.
Inclus
1 lecture1 plugin
This module provides an introduction to artificial intelligence (AI). It does not require any prior knowledge of AI and is suitable for briefing managerial, and non-technical leaders to improve knowledge, expectations, and communication for AI projects.
Inclus
6 vidéos4 lectures3 devoirs
This module covers the statistical foundations of machine learning and the common metrics for evaluating machine learning and artificial intelligence performance.
Inclus
6 vidéos2 lectures3 devoirs
This module introduces the most common algorithms used in AI and machine learning, including support vector machines, Naïve Bayes, decision trees, random forest, and neural networks. We will discuss the strengths and weaknesses of these algorithms for different classes of problems.
Inclus
8 vidéos2 lectures3 devoirs
This module explores data types (nominal, ordinal, categorical) and the challenges of data labeling, including human cognitive limits and reference issues. A key focus is inter-annotator agreement—a method to measure labeling consistency, highlighting biases and inefficiencies in human and machine processes. Consistent labeling, often more impactful than advanced algorithms, is crucial for responsible AI.
Inclus
9 vidéos2 lectures3 devoirs
This module introduces the most common resource considerations in AI, specifically memory, computational tradeoffs, query expressiveness, and algorithm performance.
Inclus
10 vidéos2 lectures3 devoirs
Instructeur
Offert par
Recommandé si vous êtes intéressé(e) par Data Management
Google Cloud
Stanford University
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:
The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile. If you only want to read and view the course content, you can audit the course for free.
If you subscribed, you get a 7-day free trial during which you can cancel at no penalty. After that, we don’t give refunds, but you can cancel your subscription at any time. See our full refund policy.